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。