方框滤波代码解析pycharm.docx

方框滤波代码解析pycharm

1.图像平滑

2.均值滤波

3.方框滤波

4.高斯滤波

5.中值滤波

PS：本文介绍图像平滑，想让大家先看看图像处理的效果，后面还会补充一些基础知识供大家学习。文章参考自己的博客及网易云课堂李大洋老师的讲解，强烈推荐大家学习。

图像平滑

1.图像增强

图像增强是对图像进行处理，使其比原始图像更适合于特定的应用，它需要与实际应用相结合。对于图像的某些特征如边缘、轮廓、对比度等，图像增强是进行强调或锐化，以便于显示、观察或进一步分析与处理。图像增强的方法是因应用不同而不同的，研究内容包括：(参考课件和左飞的《数字图像处理》)

2.图像平滑

图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中指滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。

简单平滑-邻域平均法

3.邻域平均法

图像简单平滑是指通过邻域简单平均对图像进行平滑处理的方法，用这种方法在一定程度上消除原始图像中的噪声、降低原始图像对比度的作用。它利用卷积运算对图像邻域的像素灰度进行平均，从而达到减小图像中噪声影响、降低图像对比度的目的。

但邻域平均值主要缺点是在降低噪声的同时使图像变得模糊，特别在边缘和细节处，而且邻域越大，在去噪能力增强的同时模糊程度越严重。

首先给出为图像增加噪声的代码。

-coding:utf-8-X-importcv2importnumpyasnp

#读取图片img=cv2.imread(test.jpg,cv2.IMREAD_UNCHANGED)rows,cols,chn=img.shape

加噪声foriinrange(5000):x=np.random.randint(0,rows)y=np.random.randint(0,cols)img[x,y,:]=255

cv2.imshow(noise,img)

等待显示cv2.waitKey(0)cv2.destroyAllWindows()

输出结果如下所示：

均值滤波

1.原理

均值滤波是指任意一点的像素值，都是周围NXM个像素值的均值。例如下图中，红色点的像素值为蓝色背景区域像素值之和除25。

其中红色区域的像素值均值滤波处理过程为：((197+25+106+156+159)+(149+40+107+5+71)+(163+198+XX226XX+223+156)+(222+37+68+193+157)+(42+72+250+41+75))/25

其中5X5的矩阵称为核，针对原始图像内的像素点，采用核进行处理，得到结果图像。