OPENCV FOR PYTHON 学习笔记 - 图像平滑

均值滤波：一种典型的线性滤波算法，主要是利用像素点邻域的像素值相加然后取平均值即为该像素点的新的像素值。

　　cv2.blur(原始图像, 核大小)

　　参数1：原始图像/输入图像

　　参数2：内核大小, 一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

方框滤波：

　　cv2.boxFilter(原始图像，目标图像深度，核大小，normalize属性)

　　参数1：原始图像/输入图像

　　参数2：目标图像深度，int类型的目标图像深度，通常使用-1表示与原始图像一致

　　参数3：内核大小, 一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

　　参数4：是否对目标图像进行归一化处理，Normalize = True 与均值滤波相同，Normalize = False 与均值滤波不同且很容易发生溢出

高斯滤波：让临近的像素具有更高的重要度。对周围像素计算加权平均值，较近的像素具有较大的权重值。

　　cv2.GaussianBlur(原始图像，核大小，sigmaX)

　　参数1：原始图像/输入图像

　　参数2：内核大小, 一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。必须为奇数，Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

　　参数3：X方向方差，控制权重

中值滤波：让临近的像素按照大小排列，取排序像素集中位于中间位置的值作为中值滤波后的像素值

　　cv2.medianBlur(原始图像，核大小)

　　参数1：原始图像/输入图像

　　参数2：ksize，核大小，必须比1大的奇数，如3,5,7等