推文：图像平滑处理（归一化块滤波、高斯滤波、中值滤波、双边滤波）
推文：图像的平滑与滤波
模糊操作
三种模糊操作方式
均值模糊
中值模糊
自定义模糊（可以实现上面两种模糊方式）
原理：
图像处理：基础(模板、卷积运算)
图像处理-模板、卷积的整理
基于离散卷积
定义好每个卷积核
不同卷积核得到不同的卷积效果
模糊是卷积的一种表象
一：均值模糊blur
def blur_demo(image): #均值模糊 dst = cv.blur(image,(5,5)) #ksize是卷积核大小1行3列,列数越大模糊越大 cv.imshow("blur_demo",dst)
opencv有一个专门的平均滤波模板供使用–归一化卷积模板，所有的滤波模板都是使卷积框覆盖区域所有像素点与模板相乘后得到的值作为中心像素的值。
Opencv中均值模板可以用cv2.blur和cv2.boxFilter,比如一个3*3的模板其实就可以如下表示：
模板大小是m*n是可以设置的。如果你不想要前面的1/9,可以使用非归一化的模板cv2.boxFilter。
二：中值模糊mediaBlur
中值滤波模板就是用卷积框中像素的中值代替中心值，达到去噪声的目的。
这个模板一般用于去除椒盐噪声。
前面的滤波器都是用计算得到的一个新值来取代中心像素的值，而中值滤波是用中心像素周围（也可以使他本身）的值来取代他，卷积核的大小也是个奇数。
def median_blur_demo(image): #中值模糊,对于椒盐噪声的去噪效果好，去掉图片中的一些黑点等 gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) for i in range(2000): # 添加点噪声,白色 temp_x = np.random.randint(0, gray.shape[0]) temp_y = np.random.randint(0, gray.shape[1]) gray[temp_x][temp_y] = 255 cv.imshow("median_blur_gray", gray) dst = cv.medianBlur(gray,5) #ksize是卷积核大小1行3列,列数越大模糊越大 cv.imshow("median_blur_demo",dst)
可以看到中值滤波对于这些白点噪声的去除是非常的好的。
三：自定义模糊filter2D（上面是封装在2D滤波器之上）
图像滤波函数imfilter函数的应用及其扩展
Opencv提供的一个通用的2D滤波函数为cv2.filter2D()，
滤波函数的使用需要一个核模板，对图像的滤波操作过程为：将和模板放在图像的一个像素A上，求与之对应的图像上的每个像素点的和，
核不同，得到的结果不同，而滤波的使用核心也是对于这个核模板的使用，需要注意的是，该滤波函数是单通道运算的，
也就是说对于彩色图像的滤波，需要将彩色图像的各个通道提取出来，对各个通道分别滤波才行。
（1）实现中值模糊
def custom_blur_demo(image): #自定义模糊 kernel = np.ones([5,5],np.float32)/25 #声明二维数组5*5，初始化1，保证值不溢出，除以数组大小,实现中值模糊 自定义卷积核的算子 dst = cv.filter2D(image,-1,kernel) cv.imshow("custom_blur_demo",dst)
上述生成的5*5核模板其实就是一个均值滤波。,当我们是/25就是中值滤波，归一化处理
（2）实现锐化处理
def custom_blur_demo(image): #自定义模糊 kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32) #实现锐化处理，提高图像的对比度，提高立体感，轮廓更加清晰 dst = cv.filter2D(image,-1,kernel) cv.imshow("custom_blur_demo",dst)
