图像平滑处理：均值滤波与方框滤波

发表于2023-07-14|更新于2026-09-01|教程OpenCV

|总字数:139|阅读时长:1分钟|浏览量:

import cv2
img = cv2.imread("lingbosize.png")
#均值滤波
#简单的平均卷积操作
blur = cv2.blur(img,(3,3))

#方框滤波
#normalize = True和均值一样,选择归一化
box = cv2.boxFilter(img,-1,(3,3),normalize=True) #-1表示得到颜色通道数一致
#没有选则归一化，容易越界，超过255当作255处理
box1 = cv2.boxFilter(img,-1,(3,3),normalize=False)
cv2.imshow("blur",blur)
cv2.waitKey(1000)

cv2.imshow("box",box)
cv2.waitKey(1000)

cv2.imshow("box1",box1)
cv2.waitKey(1000)
cv2.waitKey(0)

平均卷积

方框滤波(未归一化)

方框滤波(归一化)

文章作者: YuKiFuHaNe

文章链接: https://blog.yukifuhane.cn.eu.org/2023/07/14/%E5%9B%BE%E5%83%8F%E5%B9%B3%E6%BB%91%E5%A4%84%E7%90%86%EF%BC%9A%E5%9D%87%E5%80%BC%E6%BB%A4%E6%B3%A2%E4%B8%8E%E6%96%B9%E6%A1%86%E6%BB%A4%E6%B3%A2/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 YuKiFuHaNeの博客！

OpenCV 图像平滑卷积均值滤波方框滤波

相关推荐

OpenCV 高斯滤波

123456import cv2#高斯模糊的卷积核里的数值是满足高斯分部，相当于更重视中间的img = cv2.imread("a28.png")aussian = cv2.GaussianBlur(img,(5,5),0)cv2.imshow("aussian",aussian)cv2.waitKey(3000)

Sobel算子：是离散微分算子（discrete differentiation operator），用来计算图像灰度的近似梯度，梯度越大越有可能是边缘。 Soble算子的功能集合了高斯平滑和微分求导，又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到的是图像在X方法与Y方向梯度图像。缺点：比较敏感，容易受影响，要通过高斯模糊（平滑）来降噪。算子是通过权重不同来扩大差异。梯度计算：（在两个方向求导，假设被作用图像为 I）水平变化: 将 I 与一个奇数大小的内核 Gx进行卷积。比如，当内核大小为3时, Gx的计算结果为: 垂直变化: 将:math:I 与一个奇数大小的内核 Gy进行卷积。比如，当内核大小为3时, Gy的计算结果为: 在图像的每一点，结合以上两个结果求出近似梯度：有时也用下面更简单公式代替，计算速度快：（最终图像梯度）。代码123456789101112131415161718192021222324252627282930313233import cv2import numpy as np#dest = cv2.Sobel(src,...

OpenCV 视频中的模板匹配

12345678910111213141516171819202122232425262728293031323334353637import cv2import matplotlib.pyplot as pltimport numpy as nptemplate = cv2.imread('face_template.png',cv2.IMREAD_COLOR)template = cv2.cvtColor(template,cv2.COLOR_BGR2GRAY)print(template.shape)vc = cv2.VideoCapture('test.mp4')#检测打开是否正确if vc.isOpened(): open,frame = vc.read()else: open = Falsewhile open: ret,frame = vc.read() if frame is None: break if ret ==True: gray = cv2.cvtColor...

OpenCV 模板匹配的六种匹配方法

TemplateMatchModes： ·TM-SQDIFF 计算平方不同，计算出来的值越小，越相关·TM_CCORR 计算相关性，计算出来的值越大，越相关·TM_CCOEFF 计算相关系数，计算出来的值越大，越相关·TM_SQDIFF_NORMED 计算归一化平方不同，计算出来的值越接近0，越相关·TM_CCORR_NORMED 计算归一化相关性，计算出来的值越接近1，越相关`TM_CCOEFF_NORMED 计算归一化相关系数，计算出来的值越接近1，越相关 1234567891011121314151617181920212223242526272829303132333435363738394041#TemplateMatchModes''' ·TM-SQDIFF 计算平方不同，计算出来的值越小，越相关 ·TM_CCORR 计算相关性，计算出来的值越大，...

中值滤波去噪

1234567891011import cv2import matplotlib as np#去噪点最好img = cv2.imread("a28.png")median = cv2.medianBlur(img,5)# res = np.hstack((median)) #vstack 竖着的cv2.imshow('image',img)cv2.imshow('median',median)cv2.waitKey(0)cv2.destroyAllWindows()

傅里叶变换

傅里叶变换的作用 ·高频：变化剧烈的灰度分量，例如边界 ·低频：变化缓慢的灰度分量，例如一片大海滤波 ·低通滤波器：只保留低频，会使图像变模糊 ·高通滤波器：只保留高频，会使图像细节增强 url：https://zhuanlan.zhihu.com/p/19763358 ·opencv中主要就是cv2.dft()和cv2.idft()，输入图像需要先转成np.float32格式 ·得到的结果中频率为0的部分会在左上角，通常要转换到中心位置，可以通过shift变换来实现 ·cv2.dft()返回的结果是双通道的（实部，虚部），通常还需要转成图像格式才能展示（0，255） 123456789101112131415161718import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread('face.png',0)img_float32 = np.float32(img)dft = cv2.dft(img_...