当前位置：首页 > article >正文

OpenCV-Python实战（9）——滤波降噪

article 2025/1/5 0:16:07

一、均值滤波器 cv2.blur()

img = cv2.blur(src=*,ksize=*,anchor=*,borderType=*)

img：目标图像。

src：原始图像。

ksize：滤波核大小，（width，height）。

anchor：滤波核锚点，默认为：（-1，-1）核的中心。

borderType：边界样式，一般填默认即可。

import cv2

lena = cv2.imread('Lena_D.png')[::2,::2,:]

img1 = cv2.blur(src=lena,ksize=(3,3))
img2 = cv2.blur(src=lena,ksize=(5,5))
img3 = cv2.blur(src=lena,ksize=(7,7))

cv2.imshow('lena',lena)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.imshow('img3',img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

二、方框滤波 cv2.boxFilter()

img = cv2.boxFilter(src=*,ddepth=*,ksize=*,anchor=*,normalize=*,borderType=*)

ddepth：图像深度（channel 数），默认：-1，与原始图像深度相同。

normalize：是否归一化处理。1表示归一化； 0表示不归一化，将核内像素做 add 操作，像素最大值为255。

img：目标图像。

src：原始图像。

ksize：滤波核大小，（width，height）。

anchor：滤波核锚点，默认为：（-1，-1）核的中心。

borderType：边界样式，一般填默认即可。

import cv2

lena = cv2.imread('Lena_D.png')[::2,::2,:]

img1 = cv2.boxFilter(src=lena,ksize=(3,3),normalize=1)
img2 = cv2.boxFilter(src=lena,ksize=(3,3),normalize=0)

cv2.imshow('lena',lena)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、中值滤波器 cv2.medianBlur()

取滤波核内像素值排序的中间值。

img = cv2.medianBlur(src=*,ksize=*)

img：目标图像。

src：原始图像。

ksize：滤波核边长，如：3、5、7等。

import cv2

lena = cv2.imread('Lena_D.png')[::2,::2,:]

img1 = cv2.medianBlur(src=lena,ksize=3)
img2 = cv2.medianBlur(src=lena,ksize=5)
img3 = cv2.medianBlur(src=lena,ksize=7)

cv2.imshow('lena',lena)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.imshow('img2',img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、高斯滤波器

滤波核内的数值符合高斯分布。 $\frac{1}{2\pi \sigma ^{2}}\begin{bmatrix} exp(-\frac{1}{\sigma ^{2}}) &exp(-\frac{1}{2\sigma ^{2}}) &exp(-\frac{1}{\sigma ^{2}}) \\ exp(-\frac{1}{2\sigma ^{2}})&1 &exp(-\frac{1}{2\sigma ^{2}}) \\ exp(-\frac{1}{\sigma ^{2}})& exp(-\frac{1}{2\sigma ^{2}}) & exp(-\frac{1}{\sigma ^{2}}) \end{bmatrix}$

img = cv2.GaussianBlur(src=*,ksize=*,sigmaX=*,sigmaY=*,borderType=*)

img：目标图像。

src：原始图像。

ksize：高斯滤波核大小，（width，height）必须为奇数。

sigmaX、sigmaY：水平与竖直方向的标准偏差。

borderType：边界样式，一般填默认即可。

import cv2

lena = cv2.imread('Lena_D.png')[::2,::2,:]

img1 = cv2.GaussianBlur(src=lena,ksize=(3,3),sigmaX=0,sigmaY=0)
img2 = cv2.GaussianBlur(src=lena,ksize=(5,5),sigmaX=0,sigmaY=0)
img3 = cv2.GaussianBlur(src=lena,ksize=(7,7),sigmaX=0,sigmaY=0)

cv2.imshow('lena',lena)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.imshow('img3',img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、自定义滤波核 cv2.filter2D()

img = cv2.filter2D(src=*,ddepth=*,kernel=*,anchor=*,delta=*,borderType=*)

img：目标图像。

src：原始图像。

ddepth：目标图像深度，默认为：-1，与原始图像深度相同。

kernel：自定义滤波核，（width，height），Opencv 只提供了单通道矩阵。

delta：偏置项。默认为：0。

anchor：滤波核锚点，默认为：（-1，-1）核的中心。

borderType：边界样式，一般填默认即可。

import cv2
import numpy as np

lena = cv2.imread('Lena_D.png')[::2,::2,:]
# 可以自行定义更复杂的滤波核
kernel_3 = np.ones((3,3),np.float32)/(3*3)
img1 = cv2.filter2D(src=lena,ddepth=-1,kernel=kernel_3)
kernel_5 = np.ones((5,5),np.float32)/(5*5)
img2 = cv2.filter2D(src=lena,ddepth=-1,kernel=kernel_5)

cv2.imshow('lena',lena)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)

cv2.waitKey(0)
cv2.destroyAllWindows()