图像平滑处理（滤波处理）

原图片读入后以下所示，会有不少噪音点

 

 这时就要用到滤波处理来处理这些噪音点，有如下几种方式：

一、均值滤波

 

 对于一个像素点，能够在它周围画一个卷积盒子，用盒子中的均值来代替这个像素点，计算公式为（121+75+...+235）/9

也就至关于一个3×3的卷积矩阵，每一个位置的值都为1，该卷积矩阵与像素点矩阵作乘法，而后除以矩阵的大小

通过均值滤波处理后，结果以下：

1 #均值滤波
2 blur=cv2.blur(img,(3,3))

 

能够看到噪音点比原始图像少了不少，但仍是有一些噪音点

 

二、方框滤波

方框滤波有两种状况，若是作了归一化处理，就和均值滤波同样

1 #方框滤波(归一化即和均值滤波同样)
2 box1=cv2.boxFilter(img,-1,(3,3),normalize=True)

 

 若是不作归一化处理，就是将卷积盒子中的全部数值加起来，不取平均值，即121+75+...+235

由于像素点的取值范围是0~255，若是加起来超过这个范围，显示出来就是一个白点

1 #方框滤波（不作归一化处理）
2 box2=cv2.boxFilter(img,-1,(3,3),normalize=False)

 

 

 

三、高斯滤波

在卷积盒子中，有些像素点离中心像素点的距离近一些，那么它和中心像素点的关系更近一些，求平均值的时候权重应该更大一些

例如3×3的盒子中，上下左右就离中心点的距离短一些，四个角距离就稍长些

高斯滤波就是在求均值的基础上给各个点都加上了权重

1 #高斯滤波
2 gaussian=cv2.GaussianBlur(img,(5,5),1)

 

 

四、中值滤波

就是将卷积盒子中的像素点按顺序排成一列，取它的中间数，即中位数

24，75，78，104，113，121，154，204，235，中位数是113，就用113来代替中心像素点的值

1 #中值滤波
2 median=cv2.medianBlur(img,5)

 

 

能够看到，利用中值滤波处理后，噪音点基本没有了