OpenCV 均值滤波

由一个归一化卷积框完成的。它只是用卷积框覆盖区域所有像素的平均值来代替中心元素。

例如，3x3标准化的平均过滤器如下所示：

​​
均值滤波的优点是算法简单，计算速度较快，缺点是在去噪的同时去除了很多细节部分，将图像变得模糊。

图像噪声

• 椒盐噪声：图像中随机出现的白点或者黑点
• 高斯噪声：噪声的概率密度分布是正态分布

---

cv.blur(src, ksize, anchor, borderType)

• src：输入图像
• ksize：卷积核的大小
• anchor：默认值 (-1,-1) ，表示核中心
• borderType：边界类型

import cv2 as cv from matplotlib import pyplot as plt# 1 图像读取 img = cv.imread('./1.jpg') # 读取带有椒盐噪声的图片# 2 均值滤波 blur = cv.blur(img, (5, 5))# 3 图像显示 plt.figure(figsize=(10, 8), dpi=100) plt.subplot(121), plt.imshow(img[:, :, ::-1]), plt.title('原图') plt.xticks([]), plt.yticks([]) plt.subplot(122), plt.imshow(blur[:, :, ::-1]), plt.title('均值滤波后结果') plt.xticks([]), plt.yticks([]) plt.show()

总结

以上是生活随笔为你收集整理的OpenCV 均值滤波的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。