均值滤波

均值滤波

任意一点的像素值,都是周围 N X N 个像素值的均值
例:红色点的像素新值 = 蓝色背景区域像素之和除25
红色点的像素新值 =
((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
dtwNXpN7mo.jpg!large
函数 blur
处理结果 = cv2.blur (原始图像, 核大小)
核大小:以 (宽度,高度)形式表示的元组

r = cv2.blur(o,(5, 5))

经过均值滤波之后图像更平滑

高斯滤波

让临近的像素具有更高的重要度。对周围像素计算加权平均值,较近的像素具有较大的权重值
sKtuXjLPkc.jpg!large
GaussianBlur 函数

dst = cv2.GaussianBlur (src, ksize, sigmaX)
# src: 原始图像, 要处理的源图像
# ksize : 核大小 (NN)必须是奇数
# sigmaX: X 方向方差, 控制权重
# signmaX = 0 时,sigma = 0.3 X ((ksize-1) X 0.5 - 1) + 0.8

中值滤波

让临近的像素按照大小排列,取排列像素集中位于中间位置的值作为中值滤波后的像素值
vutKOwgacU.jpg!large
medianBlur 函数
dst = cv2.medianBlur(src, ksize)
src , 源文件
ksize, 核大小,必须是比 1 大的奇数,如3, 5, 7 等

本作品采用《CC 协议》,转载必须注明作者和本文链接
Hacking
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!