总目录

图像处理总目录←点击这里

五、图像平滑

可以看出图像被加入了椒盐噪声，需要平滑处理（去噪）

img = cv2.imread('./image/lenaNoise.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.1、均值滤波

对周围数值去均值（以3X3为例）

# 简单的平均卷积操作
img = cv2.imread('./image/lenaNoise.png')
blur = cv2.blur(img, (3, 3))cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.2、方框滤波

# 基本和均值一样，可以选择归一化
img = cv2.imread('./image/lenaNoise.png')
box = cv2.boxFilter(img,-1,(3,3), normalize=True)  cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 选择归一化normalize=True（取9个数的均值），和均值滤波一样
  
• 不选择归一化normalize=False（不取均值，求和，≥255取值为256）
  

5.3、高斯滤波

# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img, (5, 5), 1)  cv2.imshow('aussian', aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.4、中值滤波

# 相当于用中值代替
median = cv2.medianBlur(img, 5)  # 中值滤波cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.5、对比效果

# 展示所有的
res = np.hstack((blur,aussian,median))
#print (res)
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以看出中值滤波处理效果最好