这篇教程OpenCV半小时掌握基本操作之滤波器写得很实用，希望能帮到您。
【OpenCV】⚠️高手勿入! 半小时学会基本操作⚠️滤波器
概述OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 9 课) 
图像平滑图像平滑 (image smoothing) 是一种区域增强算法. 可以帮助我们去除早点改善图片质量. 滤波器 (Filter) 可以帮助我们来降低噪声, 均值滤波器的主要应用是去除图像中的不相关细节. 
原图: 
均值滤波器均值滤波器会计算区域像素的平均值, 然后进行填充. 代码: # 读取图片img = cv2.imread("noise.jpg")# 均值滤波器 (3 X 3)blur = cv2.blur(img, (3, 3))# 图片展示cv2.imshow("blur", blur)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
方框滤波方框滤波器 (Box Filter) 和均值滤波器基本一样. 格式: cv2.boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None) 参数: - src: 需要滤波的图片
- ddepth: 输入图像的深度, -1 代表使用原图深度
- Normalize: 标准化, 默认为 None
代码: # 读取图片img = cv2.imread("noise.jpg")# 方框滤波器 (3 X 3)box = cv2.boxFilter(img, -1, (3, 3), normalize=True)# 图片展示cv2.imshow("box", box)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
高斯滤波器高斯滤波器 (Gauss Filter) 是一种线性平滑滤波, 适用于高斯噪声. 高斯噪声 (Gaussian Noise) 是概率密度函数服从高斯分布的一类噪声. 
格式: cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None) 参数: src: 需要滤波的图片 ksize: 卷积核大小 sigmaX: 高斯核函数在 X 方向的的标准偏差 sigmaY: 高斯核函数在 Y 方向的的标准偏差 代码: # 读取图片img = cv2.imread("noise.jpg")# 高斯滤波器 (3 X 3)gaussian = cv2.GaussianBlur(img, (3, 3), 1)# 图片展示cv2.imshow("gaussian", gaussian)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
中值滤波中值滤波器 (Median Filter) 用中值填充. 代码: # 读取图片img = cv2.imread("noise.jpg")# 中值滤波器 (3 X 3)median = cv2.medianBlur(img, 3)# 图片展示cv2.imshow("median", median)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
到此这篇关于OpenCV半小时掌握基本操作之滤波器的文章就介绍到这了,更多相关OpenCV滤波器内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
python常用的魔法方法(双下划线)
Python Pycurl的属性与方法案例详解 |
