Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波


Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
作者 | 杨秀璋,责编 | 夕颜
头图 | CSDN付费下载自视觉中国
出品 | CSDN博客
本篇文章主要讲解Python调用OpenCV实现图像平滑,包括四个算法:均值滤波、方框滤波、高斯滤波和中值滤波 。全文均是基础知识,希望对您有所帮助 。知识点如下:
1.图像平滑
2.均值滤波
3.方框滤波
4.高斯滤波
5.中值滤波
PS:本文介绍图像平滑,想让大家先看看图像处理的效果,后面还会补充一些基础知识供大家学习 。文章参考自己的博客及网易云课堂李大洋老师的讲解,强烈推荐大家学习 。
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
图像平滑
1.图像增强
图像增强是对图像进行处理,使其比原始图像更适合于特定的应用,它需要与实际应用相结合 。对于图像的某些特征如边缘、轮廓、对比度等,图像增强是进行强调或锐化,以便于显示、观察或进一步分析与处理 。图像增强的方法是因应用不同而不同的,研究内容包括:(参考课件和左飞的《数字图像处理》)
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
2.图像平滑
图像平滑是一种区域增强的算法,平滑算法有邻域平均法、中指滤波、边界保持类滤波等 。在图像产生、传输和复制过程中,常常会因为多方面原因而被噪声干扰或出现数据丢失,降低了图像的质量(某一像素,如果它与周围像素点相比有明显的不同,则该点被噪声所感染) 。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响 。
简单平滑-邻域平均法
3.邻域平均法
图像简单平滑是指通过邻域简单平均对图像进行平滑处理的方法,用这种方法在一定程度上消除原始图像中的噪声、降低原始图像对比度的作用 。它利用卷积运算对图像邻域的像素灰度进行平均,从而达到减小图像中噪声影响、降低图像对比度的目的 。
但邻域平均值主要缺点是在降低噪声的同时使图像变得模糊,特别在边缘和细节处,而且邻域越大,在去噪能力增强的同时模糊程度越严重 。
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
首先给出为图像增加噪声的代码 。
# -*- coding:utf-8 -*-import cv2import numpy as np#读取图片img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)rows, cols, chn = img.shape#加噪声for i in range(5000): x = np.random.randint(0, rows) y = np.random.randint(0, cols) img[x,y,:] = 255cv2.imshow("noise", img)#等待显示cv2.waitKey(0)cv2.destroyAllwindows输出结果如下所示:
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
均值滤波
1.原理
均值滤波是指任意一点的像素值,都是周围N*M个像素值的均值 。例如下图中,红色点的像素值为蓝色背景区域像素值之和除25 。
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
其中红色区域的像素值均值滤波处理过程为:((197+25+106+156+159)+ (149+40+107+5+71)+ (163+198+**226**+223+156)+ (222+37+68+193+157)+ (42+72+250+41+75)) / 25
其中5*5的矩阵称为核,针对原始图像内的像素点,采用核进行处理,得到结果图像 。
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
提取1/25可以将核转换为如下形式:
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
2.代码
Python调用OpenCV实现均值滤波的核心函数如下:
result = cv2.blur(原始图像,核大小)
其中,核大小是以(宽度,高度)表示的元祖形式 。常见的形式包括:核大小(3,3)和(5,5) 。
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

文章插图
代码如下所示:
#encoding:utf-8import cv2 import numpy as np import matplotlib.pyplot as plt#读取图片img = cv2.imread('test01.png')source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#均值滤波result = cv2.blur(source, (5,5))#显示图形titles = ['Source Image', 'Blur Image']


推荐阅读