Question

图片处理-opencv-2.图像平滑

Answer 1

 

图像增强是对图像进行处理，使其比原始图像更适合于特定的应用，它需要与实际应用相结合。对于图像的某些特征如边缘、轮廓、对比度等，图像增强是进行强调或锐化，以便于显示、观察或进一步分析与处理。图像增强的方法是因应用不同而不同的，研究内容包括：

图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中值滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。常用的算法 均值滤波、方框滤波、高斯滤波和中值滤波 。

均值滤波是指任意一点的像素值，都是周围N*M个像素值的均值

result = cv2.blur(原始图像,核大小)

缺点：图像模糊

方框滤波和均值滤波核基本一致，区别是需不需要均一化处理

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

缺点：图像模糊

高斯平滑与简单平滑不同，它在对邻域内像素进行平均时，给予不同位置的像素不同的权值。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。

dst = cv2.GaussianBlur(src, ksize, sigmaX)

缺点：边界模糊

中值滤波是非线性的图像处理方法，在去噪的同时可以兼顾到边界信息的保留。选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把窗口中所含的像素点按灰度级的升或降序排列，取位于中间的灰度值来代替该点的灰度值。

dst = cv2.medianBlur(src, ksize)