时间:2021-05-22
本文实例为大家分享了opencv+python实现均值滤波的具体代码,供大家参考,具体内容如下
原理
均值滤波其实就是对目标像素及周边像素取平均值后再填回目标像素来实现滤波目的的方法,当滤波核的大小是3×3 3\times 33×3时,则取其自身和周围8个像素值的均值来代替当前像素值。
均值滤波也可以看成滤波核的值均为 1 的滤波。
优点:算法简单,计算速度快;
缺点:降低噪声的同时使图像产生模糊,特别是景物的边缘和细节部分。
代码
import cv2 as cvimport numpy as npimport mathimport copydef spilt( a ): if a/2 == 0: x1 = x2 = a/2 else: x1 = math.floor( a/2 ) x2 = a - x1 return -x1,x2def original (i, j, k,a, b,img): x1, x2 = spilt(a) y1, y2 = spilt(b) temp = np.zeros(a * b) count = 0 for m in range(x1, x2): for n in range(y1, y2): if i + m < 0 or i + m > img.shape[0] - 1 or j + n < 0 or j + n > img.shape[1] - 1: temp[count] = img[i, j, k] else: temp[count] = img[i + m, j + n, k] count += 1 return tempdef average_function(a , b ,img): img0 = copy.copy(img) for i in range (0 , img.shape[0] ): for j in range (2 ,img.shape[1] ): for k in range (img.shape[2]): temp = original(i, j, k, a, b, img0) img[i,j,k] = int ( np.mean(temp)) return img def main(): img0 = cv.imread(r"noise.jpg") ave_img = average_function( 3 , 3, copy.copy(img0) ) #(3,3)滤波器大小 cv.imshow("ave_img",ave_img) cv.imshow("original",img0) cv.waitKey(0) cv.destroyAllWindows()if __name__ == "__main__": main()样例
原图:
滤波核为3×3 3\times 33×3的均值滤波后:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
主要讲解Python调用OpenCV实现图像平滑,包括四个算法:均值滤波、方框滤波、高斯滤波和中值滤波.给图像增加噪声:importcv2importnumpy
本文实例为大家分享了python+opencv实现霍夫变换检测直线的具体代码,供大家参考,具体内容如下python+opencv实现高斯平滑滤波python+o
运动模糊:由于相机和物体之间的相对运动造成的模糊,又称为动态模糊Opencv+Python实现运动模糊,主要用到的函数是cv2.filter2D():#codi
图像滤波在opencv中可以有多种实现形式自定义滤波如使用3×3的掩模:对图像进行处理.使用函数filter2D()实现#includeusingnamespa
基于OpenCV2.4.8和python2.7实现简单的手势识别。以下为基本步骤1.去除背景,提取手的轮廓2.RGB->YUV,同时计算直方图3.进行形态学滤波