【OpenCV】⚠️高手勿入! 半小时学会基本操作⚠️滤波器
概述
OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 9 课)
图像平滑
图像平滑 (image smoothing) 是一种区域增强算法. 可以帮助我们去除早点改善图片质量.
滤波器 (Filter) 可以帮助我们来降低噪声, 均值滤波器的主要应用是去除图像中的不相关细节.
原图:
均值滤波器
均值滤波器会计算区域像素的平均值, 然后进行填充.
代码:
# 读取图片
img = cv2.imread("noise.jpg")
# 均值滤波器 (3 X 3)
blur = cv2.blur(img, (3, 3))
# 图片展示
cv2.imshow("blur", blur)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
方框滤波
方框滤波器 (Box Filter) 和均值滤波器基本一样.
格式:
cv2.boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None)
参数:
- src: 需要滤波的图片
- ddepth: 输入图像的深度, -1 代表使用原图深度
- Normalize: 标准化, 默认为 None
代码:
# 读取图片
img = cv2.imread("noise.jpg")
# 方框滤波器 (3 X 3)
box = cv2.boxFilter(img, -1, (3, 3), normalize=True)
# 图片展示
cv2.imshow("box", box)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
高斯滤波器
高斯滤波器 (Gauss Filter) 是一种线性平滑滤波, 适用于高斯噪声.
高斯噪声 (Gaussian Noise) 是概率密度函数服从高斯分布的一类噪声.
格式:
cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)
参数:
src: 需要滤波的图片
ksize: 卷积核大小
sigmaX: 高斯核函数在 X 方向的的标准偏差
sigmaY: 高斯核函数在 Y 方向的的标准偏差
代码:
# 读取图片
img = cv2.imread("noise.jpg")
# 高斯滤波器 (3 X 3)
gaussian = cv2.GaussianBlur(img, (3, 3), 1)
# 图片展示
cv2.imshow("gaussian", gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
中值滤波
中值滤波器 (Median Filter) 用中值填充.
代码:
# 读取图片
img = cv2.imread("noise.jpg")
# 中值滤波器 (3 X 3)
median = cv2.medianBlur(img, 3)
# 图片展示
cv2.imshow("median", median)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
到此这篇关于OpenCV半小时掌握基本操作之滤波器的文章就介绍到这了,更多相关OpenCV滤波器内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
