机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波) 2.cv2.boxfilter(方框滤波) 3. cv2.Guassiannblur(进行高斯滤波) 4.

 

1.cv2.blur(img, (3, 3))  进行均值滤波

参数说明:img表示输入的图片, (3, 3) 表示进行均值滤波的方框大小

2. cv2.boxfilter(img, -1, (3, 3), normalize=True) 表示进行方框滤波,

参数说明当normalize=True时,与均值滤波结果相同, normalize=False,表示对加和后的结果不进行平均操作,大于255的使用255表示

3. cv2.Guassianblur(img, (3, 3), 1) 表示进行高斯滤波, 

参数说明: 1表示σ, x表示与当前值得距离,计算出的G(x)表示权重值

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.

4. cv2.medianBlur(img, 3) #中值滤波,相当于将9个值进行排序,取中值作为当前值

参数说明:img表示当前的图片,3表示当前的方框尺寸

在图像的读取中,会存在一些躁声点,如一些白噪声,因此我们需要进行去躁操作

代码:

1.原始图片的输入

2.使用cv2.blur进行均值滤波

3.使用cv2.boxfilter 进行方框滤波, 比较normalize=True or normalize=False

4.使用cv2.GussianBlur 进行高斯滤波

5. 使用cv2.medianBlur  进行中值滤波

6.做一个合并显示

import cv2
import numpy as np

# 1.图片中存在一些噪音点
img = cv2.imread('lenaNoise.png')
cv2.imshow('original', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.

# 2. cv2.blur 使用均值滤波,即当对一个值进行滤波时,使用当前值与周围8个值之和,取平均做为当前值

mean = cv2.blur(img, (3, 3))
cv2.imshow('mean', mean)
cv2.waitKey(0)
cv2.destroyAllWindows()

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.

# 3. cv2.boxFilter 表示进行方框滤波
box = cv2.boxFilter(img, -1, (3, 3), normalize=True)
cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 当normalize=False 表示对加和后的9个点,不进行求平均的操作,如果加和后的值大于255,使用255表示
box_1 = cv2.boxFilter(img, -1, (3, 3), normalize=False)
cv2.imshow('box_1', box_1)
cv2.waitKey(0)
cv2.destroyAllWindows()

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.                机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.

# 4. cv2.GaussianBlur 根据高斯的距离对周围的点进行加权,求平均值1,0.8, 0.6, 0.8 
gaussian = cv2.GaussianBlur(img, (5, 5), 1)
cv2.imshow('gaussian', gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.

# 5. cv2.medianBlur #将9个数据从小到大排列,取中间值作为当前值
median = cv2.medianBlur(img, 3)
cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.

# 6. 做一个合并显示
imags = np.vstack((mean, gaussian, median))
cv2.imshow('all', imags)
cv2.waitKey(0)
cv2.destroyAllWindows()

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波)  2.cv2.boxfilter(方框滤波)  3. cv2.Guassiannblur(进行高斯滤波)  4.

 

上一篇:python爬虫把url链接编码成gbk2312格式过程解析


下一篇:gamit安装带锁问题