图像平滑
2.图像平滑
首先给出为图像增加噪声的代码。
均值滤波
其中红色区域的像素值均值滤波处理过程为：((197 25 106 156 159) (149 40 107 5 71) (163 198 **226** 223 的156) (222 37 68 193 157) (42 72 250 41 75)) / 25
提取1/25可代码以将核转换为如下形式：
2.代码
代码如下所示：
核设置为（10，10）和（20，20）会让图像变得更加模糊。
如果设置为（1，都有1）处理结果就是原图，核中每个权重值相同，称为均值。
方框滤波
normalize属性表示是否对目标图像进行归一化处理。当normalize为true时需要执行均值化处理，当normalize为false时，不进行均值化处理，实际上为求周围各像素的和，很容易发生溢出，溢出时均为白色，对应像素值为255。
在图像简单平滑中，算法利用卷积模板逐一处理图像中每个像素，这一过程可以形象地比作对原始图像的像素一一进行过滤整理，在图像处理中把邻滤波器域像素逐一处gjb理的算法过程称为滤波器。平滑线性滤波器的工作原理是利用模板对邻域内像素灰度进行加权平均，也称为均值滤波器。
代码如下所示：
下面是图像左上角处理前后的像素结果：
上图很多像素为白色，因为图像求和结果几乎都是2技术指标55。如的果设置的是2*2矩阵，只取四个像素结果要好些。
高斯滤波
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，较代码近的像素具有较大的权重值。如下图所示，中心位置权重最高为0.4。
Python中OpenCV主要调用GaussianBlur函数，如下：
代码如下：
如果使用15*15的核，则图形将更加模糊。
中值滤波
如下图所示，将临近像素按照大小排列gjb，取排序像素中位于中间位置的值作为中值滤波的像素值。
代码如下所示：
常用的窗口还有方形、十字形、圆形和环形。不同形状的窗口产生不同的滤波技术指标效果，方形和圆形窗口适合外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。中值滤波对于消除孤立点和线段的干扰十分有用，尤其是对于二进噪声，但都有对消除高斯噪声的影响效果不佳。对于一些细节较多的复杂图像，可以多次使用不同的中值滤波。哪些
希望文章对大家有所帮助，如果有错误或不分类足之处，还请海涵。
版权声明：本文为C哪些SDN博主滤波器「Eastmount」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：
https://blog.csdn.net/Eastmount/article/details/82216380
☞一文带你看网络协议之因特网中的转发和编址！| 原力计划
☞又一国产数据库诞生！腾讯发布 TGDB，实时查询比 Neo4j 快 20-150 倍！
☞性能超越最新序列推荐模型，华为诺亚方舟提出记忆增强的图神经网络
☞干货 | 基于S分类RS直播平台的监控系统之实现思路与过程
☞挖矿仍然有利可图吗？
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至123456@qq.com 举报，一经查实，本站将立刻删除。
