均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板,即包括目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。
均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值,即对待处理的当前像素点( x , y ) (x,y)(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点( x , y ) (x,y)(x,y),作为处理后图像在该点上的灰度g ( x , y ) g(x,y)g(x,y),即g ( x , y ) = ∑ f ( x , y ) / m g(x,y)=∑f(x,y)/mg(x,y)=∑f(x,y)/m, m mm为该模板中包含当前像素在内的像素总个数。
均值滤波本身存在着固有的缺陷,即它不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊,不能很好地去除噪声点。
#include <opencv2\opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("hx.jpg");
if (img.empty() )
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
Mat result_3, result_9; //存放滤波结果,数字代表滤波器尺寸
//调用均值滤波函数blur()进行滤波
blur(img, result_3, Size(3, 3)); // 3x3卷积核
blur(img, result_9, Size(9, 9)); // 9x9卷积核
//显示处理结果
imshow("origion pic ", img);
imshow("3x3 result", result_3);
imshow("9x9 salt", result_9);
waitKey(0);
return 0;
}
import cv2
img = cv2.imread('hx.jpg')
# -------------------均值滤波------------------
img_mean_3 = cv2.blur(img, (3, 3))
img_mean_9 = cv2.blur(img, (9, 9))
# ------------------可视化结果-----------------
cv2.imshow('origion_pic', img)
cv2.imshow('3x3_filtered_pic', img_mean_3)
cv2.imshow('9x9_filtered_pic', img_mean_3)
cv2.waitKey(0)
版权说明 : 本文为转载文章, 版权归原作者所有 版权申明
原文链接 : https://blog.csdn.net/qq_36686437/article/details/120610536
内容来源于网络,如有侵权,请联系作者删除!