3.图像平滑化处理 Opencv(python)2023-04-21

4.图片的腐蚀，膨胀，开丶闭运算，梯度计算，礼帽与黑帽2023-04-21 5.图像梯度2023-04-22 6.图像边缘检测（Canny)2023-04-22 7.图像金字塔2023-04-22 8.图像轮廓检测方法2023-04-22 9.模板匹配2023-04-22

主要是以下一些简单的处理方法

1 均值滤波就是在该点附近的 A X B的像素框内将每点的灰度系数求平均后赋值该点

1 #均值滤波
2 blur = cv2.blur(img,(3,3))#卷积操作
3 Cv_show('Average Filter Picture', blur)

2 方框滤波和均值滤波在处理上的主要区别是normalize参数是否取值为True

1 #方框滤波
2 #当normalize参数为True 则执行归一化操作，操作结果相同于均值滤波的操作
3 box1 = cv2.boxFilter(img,-1,(3,3),normalize=True)
4 Cv_show('Box Filter Picture', box1)
5 
6 #当normalize参数为False 则不执行归一化操作，当灰度系数大于255时，则默认为255
7 box2 = cv2.boxFilter(img,-1,(3,3),normalize=False)
8 Cv_show('Box Filter Picture', box2)

3 高斯滤波根据高斯分布得到离该点越近则越重要以此给予像素框内各个像素点权值

1 #高斯滤波
2 #主要是依靠高斯分布的思想，更加重视里该点更近的像素 对框内像素都附加有权值
3 gaussianBlur = cv2.GaussianBlur(img,(5,5),1)
4 Cv_show('Gaussian Blur Picture', gaussianBlur)

4 中值滤波就是在像素框内的灰度系数排序然后取中值

1 #中值滤波
2 #将框内像素按照升序或者降序排列 选取中间那个
3 median = cv2.medianBlur(img,5)
4 Cv_show('Median Blur Picture', gaussianBlur)

5 四个方法的比较

1 #展示所有
2 res = np.hstack((blur,box1,box2,gaussianBlur,median)) #hstack为行展示 vstack为列展示
3 Cv_show('Blur,Box Fliter Normalize, Box Fliter, Gaussian, Median Picture',res)

6 注意

　　这是对图片平滑的处理即图片本身存在噪音才能看到明显的效果，基本上无噪音的图片除了Normalize=False的方框滤波其余是看不到特别明显效果