图像平滑概述

图像平滑是指受传感器和大气等因素的影响，遥感图像上会出现某些亮度变化过大的区域，或出现一些亮点(也称噪声)。这种为了抑制噪声，使图像亮度趋于平缓的处理方法就是图像平滑。图像平滑实际上是低通滤波，平滑过程会导致图像边缘模糊化。

图像平滑处理算法

噪声滤除算法可以从设计方法上分为两大类：线性滤波算法、非线性滤波算法

参数说明

src：输入图像，可以是任何通道数的图像，处理时是各通道拆分后单独处理，但图像深度必须是CV_8U, CV_16U, CV_16S, CV_32F 或CV_64F；
    ddepth：输出图像深度（请参考《图像表示的相关概念：图像深度、像素深度、位深的区别和关系》），如果目标图像深度和输入图像深度相同，则传值-1，在Python中此时取值None、0效果也一样，注意ddepth在这里必须传值，不能使用默认值。
    dst：结果图像，其大小和类型都与输入图像相同；
    ksize：卷积核（convolution kernel ）矩阵大小，如上概述所述，实际上是相关核（correlation kernel），为一个单通道的浮点数矩阵，如果针对图像不同通道需要使用不同核，则需要将图像进行split拆分成单通道并使用对应核逐个进行处理
    anchor：核矩阵的锚点，用于定位核距中与当前处理像素点对齐的点，默认值（-1，-1），表示锚点位于内核中心，否则就是核矩阵锚点位置坐标，锚点位置对卷积处理的结果会有非常大的影响
    normalize：核矩阵是否归一化处理的标记，为True进行归一化处理，否则不进行归一化处理，默认值为True
    borderType：当要扩充输入图像矩阵边界时的像素取值方法，当核矩阵锚点与像素重合但核矩阵覆盖范围超出到图像外时，函数可以根据指定的边界模式进行插值运算。

过滤器大小：大过滤器（d > 5）非常慢，因此建议在实时应用中使用 d=5，对于需要大量噪声过滤的离线应用，建议使用 d=9。

Sigma 值：为简单起见，您可以将 2 个 sigma 值设置为相同。如果它们很小（< 10），则滤镜不会有太大的效果，而如果它们很大（> 150），它们会产生非常强烈的效果，使图像看起来“卡通”。

代码实现

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import matplotlib.pyplot as plt#读取图片
img = cv2.imread('1.bmp',cv2.IMREAD_GRAYSCALE)
source = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)#均值滤波
result1 = cv2.blur(source, (5,5))
result2 = cv2.blur(source, (7,7))#方框滤波
result3 = cv2.boxFilter(source, -1, (5,5), normalize=1)
result4 = cv2.boxFilter(source, -1, (7,7), normalize=1)#高斯滤波
result5 = cv2.GaussianBlur(source, (3,3), 0)
result6 = cv2.GaussianBlur(source, (15,15), 0)#中值滤波
result7 = cv2.medianBlur(source, 3)#高斯双边滤波
result8 =cv2.bilateralFilter(source, 15, 50, 50)#显示图形
titles = ['Source', 'Blur 5*5', 'Blur 7*7', 'BoxFilter 5*5','BoxFilter 7*7', 'GaussianBlur 3*3', 'GaussianBlur 15*15','medianBlur', 'bilateralFilter']
images = [source, result1, result2, result3,result4, result5, result6, result7, result8]  fig = plt.figure(figsize=(10, 10))#设置大小
for i in range(9):  plt.subplot(3,3,i+1), plt.imshow(images[i], 'gray')  plt.title(titles[i])  plt.xticks([]),plt.yticks([])
plt.show()
fig.savefig('fig.jpg',bbox_inches='tight')

效果展示

参赛话题：学习笔记

Python图像平滑滤波处理(均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波)相关推荐

opencv学习笔记11：图像滤波（均值，方框，高斯，中值）
为什么要使用滤波消除图像中的噪声成分叫作图像的平滑化或滤波操作.信号或图像的能量大部分集中在幅度谱的低频和中频段是很常见的,而在较高频段,感兴趣的信息经常被噪声淹没.因此一个能降低高频成分幅度的滤波 ...
【OpenCV】邻域滤波：方框、高斯、中值、双边滤波
邻域滤波(卷积) 邻域算子值利用给定像素周围像素的值决定此像素的最终输出.如图左边图像与中间图像卷积禅城右边图像.目标图像中绿色的像素由原图像中蓝色标记的像素计算得到. 通用线性邻域滤波是一种常用的邻 ...
域滤波：方框、高斯、中值、双边滤波
邻域滤波(卷积) 邻域算子值利用给定像素周围像素的值决定此像素的最终输出.如图左边图像与中间图像卷积禅城右边图像.目标图像中绿色的像素由原图像中蓝色标记的像素计算得到. 通用线性邻域滤波是一种常用的邻 ...
OpenCV函数简记_第三章数字图像的滤波处理（方框，均值，高斯，中值和双边滤波）
系列文章目录 OpenCV函数简记_第一章数字图像的基本概念(邻域,连通,色彩空间) OpenCV函数简记_第二章数字图像的基本操作(图像读写,图像像素获取,图像ROI获取,图像混合,图形绘制) Op ...
CV10 图像模糊（均值、高斯、中值、双边滤波）
通过将图像与低通滤波器内核进行2D卷积来实现图像模糊.这对于消除噪音很有用.它实际上从图像中消除了高频部分(例如噪声,边缘).因此,在此操作中边缘有些模糊.(有一些模糊技术也可以不模糊边缘).Open ...
9、opencv 方盒、均值、高斯、中值、双边滤波 2022-08-22
import cv2 import numpy as npimg_path = "./R-C.jpg"img = cv2.imread(img_path) 方盒滤波 # norma ...
【OpenCV】5种图像滤波辨析：方框、均值、高斯、中值、双边
from:http://www.07net01.com/2015/12/1003192.html 图像滤波什么是图像滤波图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预 ...
OpenCV3学习（4.2）——图像常用滤波方法（方框、均值、高斯、中值、双边）
滤波处理分为两大类:线性滤波和非线性滤波.OpenCV里有这些滤波的函数,使用起来非常方便,现在简单介绍其使用方法. 线性滤波: 1.方框滤波:模糊图像 2.均值滤波:模糊图像 3.高斯滤波:信号的平 ...
【opencv】(3) 图像滤波：均值、方框、中值、高斯
内容有: 均值滤波 cv2.blur(),方框滤波 cv2.boxFilter(),高斯滤波 cv2.GaussianBlur(),中值滤波 cv2.medianBlur() 滤波可理解为,平均卷积操 ...
基于python的九轴惯性传感器的数据预处理代码-中值滤波实验
** 基于python的九轴惯性传感器的数据预处理代码-中值滤波实验 ** import random import numpy as np import pandas as pd import sc ...

Python图像平滑滤波处理(均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波)

图像平滑概述

图像平滑处理算法

代码实现

效果展示

Python图像平滑滤波处理(均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波)相关推荐

最新文章

热门文章