圖像平滑處理（濾波處理）

原圖片讀入後以下所示，會有不少噪音點

 

 這時就要用到濾波處理來處理這些噪音點，有如下幾種方式：

一、均值濾波

 

 對於一個像素點，能夠在它周圍畫一個卷積盒子，用盒子中的均值來代替這個像素點，計算公式爲（121+75+...+235）/9

也就至關於一個3×3的卷積矩陣，每一個位置的值都爲1，該卷積矩陣與像素點矩陣作乘法，而後除以矩陣的大小

通過均值濾波處理後，結果以下：

1 #均值濾波
2 blur=cv2.blur(img,(3,3))

 

能夠看到噪音點比原始圖像少了不少，但仍是有一些噪音點

 

二、方框濾波

方框濾波有兩種狀況，若是作了歸一化處理，就和均值濾波同樣

1 #方框濾波(歸一化即和均值濾波同樣)
2 box1=cv2.boxFilter(img,-1,(3,3),normalize=True)

 

 若是不作歸一化處理，就是將卷積盒子中的全部數值加起來，不取平均值，即121+75+...+235

由於像素點的取值範圍是0~255，若是加起來超過這個範圍，顯示出來就是一個白點

1 #方框濾波（不作歸一化處理）
2 box2=cv2.boxFilter(img,-1,(3,3),normalize=False)

 

 

 

三、高斯濾波

在卷積盒子中，有些像素點離中心像素點的距離近一些，那麼它和中心像素點的關係更近一些，求平均值的時候權重應該更大一些

例如3×3的盒子中，上下左右就離中心點的距離短一些，四個角距離就稍長些

高斯濾波就是在求均值的基礎上給各個點都加上了權重

1 #高斯濾波
2 gaussian=cv2.GaussianBlur(img,(5,5),1)

 

 

四、中值濾波

就是將卷積盒子中的像素點按順序排成一列，取它的中間數，即中位數

24，75，78，104，113，121，154，204，235，中位數是113，就用113來代替中心像素點的值

1 #中值濾波
2 median=cv2.medianBlur(img,5)

 

 

能夠看到，利用中值濾波處理後，噪音點基本沒有了