為什么要使用濾波
消除圖像中的噪聲成分叫作圖像的平滑化或?yàn)V波操作。信號(hào)或圖像的能量大部分集中在幅度譜的低頻和中頻段是很常見的，而在較高頻段，感興趣的信息經(jīng)常被噪聲淹沒(méi)。因此一個(gè)能降低高頻成分幅度的濾波器就能夠減弱噪聲的影響。
如下圖，左圖帶有椒鹽噪聲，右圖為使用中值濾波處理后的圖片。
圖像濾波的目的有兩個(gè):一是抽出對(duì)象的特征作為圖像識(shí)別的特征模式;另一個(gè)是為適應(yīng)圖像處理的要求，消除圖像數(shù)字化時(shí)所混入的噪聲。
python +opencv講解
均值濾波
含義
如圖：如果我們想對(duì)紅色點(diǎn)進(jìn)行處理，則它新值等于周圍N乘N個(gè)像素點(diǎn)的平均（包括自身）
用表達(dá)式表達(dá)：
擴(kuò)展到對(duì)整個(gè)圖像進(jìn)行均值濾波
實(shí)現(xiàn)方法：
處理結(jié)果=cv2.blur(原始圖像,核大小)
核大?。阂裕▽挾?，高度）的元祖
效果：使圖像變模糊啦。能處理被椒鹽攻擊過(guò)的照片。
|
1
2
3
4
5
6
7
|
import cv2a=cv2.imread('lenacolor.png')#b=cv2.blur(a,(8,8))cv2.imshow('original',a)cv2.imshow('result',b)cv2.waitKey(0)cv2.destroyAllWindows() |
方框?yàn)V波
實(shí)現(xiàn)方法：函數(shù)boxFilter
處理結(jié)果=cv2.boxFilter(原始圖像,目標(biāo)圖像深度,核大小,normalize屬性）
目標(biāo)圖像深度: int類型的目標(biāo)圖像深度，-1表示與原始圖像一致
核大?。海▽挾龋叨龋┰?br />
normalize:是否對(duì)目標(biāo)圖像進(jìn)行歸一化處理
normalize為true 時(shí)與均值濾波一樣，為false時(shí)表示任意一個(gè)點(diǎn)的像素為周圍像素點(diǎn)的和，容易發(fā)生溢出超過(guò)255
normalize=1，1為true
|
1
2
3
4
5
6
7
|
import cv2a=cv2.imread('lenacolor.png')#b=cv2.boxFilter(a,-1,(5,5),normalize=1)cv2.imshow('original',a)cv2.imshow('result',b)cv2.waitKey(0)cv2.destroyAllWindows() |
結(jié)果：
normalize=0，0為false
結(jié)果中只有幾個(gè)點(diǎn)不是白色
減少核大小為（2,2）normalize=0
高斯濾波
含義：
中心點(diǎn)權(quán)重高，越遠(yuǎn)越低
實(shí)現(xiàn)方法：GaussianBlur
處理結(jié)果=cv2.GaussianBlur(原始圖像src，核函數(shù)大小ksize，sigmaX)
核函數(shù)大小ksize：（N，N）必須是奇數(shù)
sigmaX：控制x方向方差，控制權(quán)重,一般取0,它自己去計(jì)算方差。y軸方差和x一致
|
1
2
3
4
5
6
7
|
import cv2a=cv2.imread('lenacolor.png')#b=cv2.GaussianBlur(a,(3,3),0)cv2.imshow('original',a)cv2.imshow('result',b)cv2.waitKey(0)cv2.destroyAllWindows() |
中值濾波
使用像素點(diǎn)鄰域附近的像素的中值代替該點(diǎn)的像素值。通俗點(diǎn)來(lái)說(shuō)，在這個(gè)像素的左邊找五個(gè)像素點(diǎn)，右邊找五個(gè)像素點(diǎn)，將這些像素進(jìn)行排序，排序過(guò)后產(chǎn)生一個(gè)中值，用中間大小的值，來(lái)代替該像素的值。
中值濾波可以有效的去除斑點(diǎn)和椒鹽噪聲。但是效率低，其運(yùn)算時(shí)間 為均值濾波的五倍以上。
實(shí)現(xiàn)方法：medianBlur
目標(biāo)圖像=cv2.medianBlur(原始圖像,intksize)
intksize:核函數(shù)，必須為奇數(shù).
|
1
2
3
4
5
6
7
|
import cv2a=cv2.imread('lenacolor.png')#b=cv2.medianBlur(a,5)cv2.imshow('original',a)cv2.imshow('result',b)cv2.waitKey(0)cv2.destroyAllWindows() |
到此這篇關(guān)于opencv 圖像濾波(均值,方框,高斯,中值)的文章就介紹到這了,更多相關(guān)opencv 圖像濾波內(nèi)容請(qǐng)搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://blog.csdn.net/kobeyu652453/article/details/107134459
