均值濾波
均值濾波是一種線性濾波,會導致圖像模糊。
中值濾波器卷積核:卷積核中心點對應原圖上的位置的值,變爲卷積核覆蓋的原圖上的所有值的平均值。
c++均值濾波函數:
blur(src, dst, ksize);
- ksize:濾波器卷積核的尺寸,如:Size(3, 3)
python均值濾波函數:
dst = cv2.blur(src, ksize)
- ksize:濾波器卷積核的尺寸,必須爲元組
中值濾波
中值濾波器是一種非線性濾波器,常用於消除圖像中的椒鹽噪聲。椒鹽噪聲是指兩種噪聲,一種是鹽噪聲=白色(255),另一種是胡椒噪聲=黑色(0)。前者是高灰度噪聲,後者屬於低灰度噪聲。一般兩種噪聲同時出現,呈現在圖像上就是黑白雜點。對於彩色圖像,則表現爲在單個像素BGR三個通道隨機出現的255與0
中值濾波器卷積核:卷積核中心點對應原圖上的位置的值,變爲卷積核覆蓋的原圖上所有值的中位數。
c++中值濾波函數:
medianBlur(src, dst, ksize);
- src:Mat,輸入圖像
- dst:Mat,輸出圖像
- ksize:int型奇數,濾波器卷積核尺寸
python中值濾波函數:
dst = cv2.medianBlur(src, kszie)
- ksize:濾波器卷積核的尺寸,必須爲整型奇數
高斯濾波
對圖像進行平滑的同時,同時能夠更多的保留圖像的總體灰度分佈特徵
二維高斯分佈:
高斯濾波器卷積核:卷積核中心點對應原圖上位置的值,變爲卷積核和覆蓋的原圖上的值對應位置一一相乘後的和
卷積核的值:以3x3的卷積核爲例,
(-1, -1) | (0,-1) | (1, -1) |
---|---|---|
(-1, 0) | (0,0) | (1,0) |
(-1, 1) | (0, 1) | (1, 1) |
假設上面的表格是3x3的卷積核,卷積核每個位置的值是表格中的值代入二維高斯函數後得到的值
高斯濾波模板中最重要的參數就是高斯分佈的標準差σ。它代表着數據的離散程度,如果σ較小,那麼生成的模板中心繫數越大,而周圍的係數越小,這樣對圖像的平滑效果就不是很明顯;相反,σ較大時,則生成的模板的各個係數相差就不是很大,比較類似於均值模板,對圖像的平滑效果就比較明顯
c++高斯濾波函數:
GaussianBlur(src, dst, ksize, sigmaX, sigmaY, borderType=BORDER_DEFAULT);
- ksize:濾波器卷積核的尺寸,如:Size(3, 3)
- sigmaX:double型,表示高斯核函數在X方向的的標準偏差
- sigmaY:double型,示高斯核函數在Y方向的的標準偏差。若sigmaY爲零,就將它設爲sigmaX
python高斯濾波函數:
dst = cv2.GaussianBlur(src, kszie, sigmaX, sigmaY)
- ksize:濾波器卷積核的尺寸,必須爲元組
結語
如果您有修改意見或問題,歡迎留言或者通過郵箱和我聯繫。
手打很辛苦,如果我的文章對您有幫助,轉載請註明出處。