对互联网网站的理解,物流信息平台,在门户网站做产品单页多少钱一天,网站建设与设计教程视频模糊操作是图像处理中最简单和常用的操作之一#xff0c;该使用的操作之一原因就为了给图像预处理时减低噪声#xff0c;基于数学的卷积操作均值模糊#xff0c;函数 cv2.blur(image,(5,5))#xff0c;这是一个平滑图片的函数#xff0c;它将一个区域内所有点的灰度值的平…模糊操作是图像处理中最简单和常用的操作之一该使用的操作之一原因就为了给图像预处理时减低噪声基于数学的卷积操作均值模糊函数 cv2.blur(image,(5,5))这是一个平滑图片的函数它将一个区域内所有点的灰度值的平均值作为这个点的灰度值。像该函数对领域点的灰度值进行权重相加最后设置灰度值这样的操作又叫卷积这样的滤波器叫线性滤波器。中值模糊函数cv2.medianBlur(image,5)该函数不同于上一个函数它是非线性滤波器它是取领域的中值作为当前点的灰度值。上面函数就是选取了5*5大小的矩阵必须为奇数处理有椒盐噪声(就像烧烤撒很多孜然图片上有很多点)有很好的效果自定义模糊(锐化)函数filter2D()定义为cv2.filter2D(src,ddepth,kernel)锐化就是突出图像细节或者增强图像被模糊的地方锐化原理就是细节增强图像的导数就是图像的细节随着导数阶数升高能代表的东西也不同。均值模糊、中值模糊、自定义模糊的python代码importcv2importnumpy as np__author__ boboa#均值模糊 去随机噪声有很好的去燥效果defblur_demo(image):dst cv2.blur(image, (5, 5))cv2.imshow(blur_demo, dst)#中值模糊去除椒盐噪声defmedian_blur_demo(image):dst cv2.medianBlur(image, 5)cv2.imshow(median_blur_demo, dst)#自定义模糊defcustom_blur_demo(image):#kernels np.ones([5, 5], np.float32)/25kernels np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32)dst cv2.filter2D(image, -1, kernelkernels)cv2.imshow(custom_blur_demo, dst)if __name__ __main__:img cv2.imread(img3.jpg)cv2.namedWindow(input image, cv2.WINDOW_AUTOSIZE)cv2.imshow(input image, img)blur_demo(img)median_blur_demo(img)cv2.waitKey(0)cv2.destroyAllWindows()均值模糊运行效果中值模糊运行结果自定义运行结果高斯模糊本质上是低通滤波器输出图像的每个像素点是原图像上对应像素点与周围像素点的加权和原理并不复杂就是用高斯分布权值矩阵与原始图像矩阵做卷积运算而已。高斯模糊的python代码importcv2importnumpy as np高斯模糊/噪声轮廓还在保留图像的主要特征高斯模糊比均值模糊去噪效果好defclamp(pv):if pv 255:return 255if pv 0:return0else:returnpvdefgaussian_noise(image):h, w, cimage.shapefor row inrange(h):for col inrange(w):s np.random.normal(0, 20, 3)b image[row, col, 0] #blueg image[row, col, 1] #greenr image[row, col, 2] #redimage[row, col, 0] clamp(b s[0])image[row, col,1] clamp(g s[1])image[row, col,2] clamp(r s[2])cv2.imshow(noise image, image)if __name__ __main__:img cv2.imread(img5.jpg)cv2.namedWindow(input image, cv2.WINDOW_AUTOSIZE)cv2.imshow(input image, img)#gaussian_noise(img)#高斯模糊抑制高斯噪声dst cv2.GaussianBlur(img, (5, 5), 0)cv2.imshow(Gaussian Blur, dst)cv2.waitKey(0)cv2.destroyAllWindows()运行结果
