OpenCV学习——图像处理之图像平滑
发布时间：2022-08-17 13:28
图像噪声
均值滤波
均值滤波函数：cv2.blur()
函数原型：dst=cv2.blur（src，ksize，anchor，borderType）
src：输入图像
ksize：卷积核的大小
anchor：默认值（-1，-1），表示核中心
borderType：边界类型
示例：
img = cv.imread('test.jpg')
blur = cv.blur(img, (5, 5))
cv.imshow('blur', blur)
cv.waitKey(0)
高斯滤波
高斯平滑流程：
高斯滤波函数：cv2.GaussianBlur()
函数原型：dst=cv2.GaussianBlur（src，ksize，sigmaX，sigmaY，borderType）
src：输入图像
ksize：高斯卷积核的大小（卷积核的宽度和高度 都应是奇数，可以不同）
sigmaX：水平方向的标准差
sigmaY：垂直方向的标准差，默认值为0，表示与sigmaX相同
borderType：填充边界类型
示例：
img = cv.imread('test.jpg')
GaussianBlur = cv.GaussianBlur(img, (3, 3), 1)
cv.imshow('GaussianBlur', GaussianBlur)
cv.waitKey(0)
中值滤波
中值滤波函数：cv2.medianBlur()
函数原型：dst=cv2.medianBlur（src，ksize）
src：输入图像
ksize：卷积核的大小
示例：
img = cv.imread('test.jpg')
medianBlur = cv.medianBlur(img, 3)
cv.imshow('medianBlur', medianBlur)
cv.waitKey(0)
总结：
相关推荐
支持Nacos 2.1.0！这套Spring Cloud Gateway + Oauth2 微服务权限终极解决方案升级了！
XGBoost、LightGBM与CatBoost算法对比与调参
Kubernetes (二) --------- K8s 部署环境搭建
基于stm32简易计算机电路图,基于STM32简易电子计算器设计与实现.doc
SpingBoot+Thymeleaf 实现页面国际化语言切换
soloV2保姆级教程（含环境配置，训练自己的数据集，代码逻辑分析等。能踩得坑都踩了....）更新ing