OpenCV均值、中值滤波器的讲解及实战应用（附Python源码）

深藏阁楼爱情的钟 2023-09-30 19:00 43阅读 0赞

> **需要源码和图片请点赞关注收藏后评论区留言私信~~~**

在尽量保留原图像信息的情况下，去除图像内噪声、降低细节层次信息等一系列过程，叫作图像的平滑处理（或图像的模糊处理）。实现平滑处理最常用的工具就是滤波器。通过调节滤波器的参数，可以控制图像的平滑程度。OpenCV提供了种类丰富的滤波器，每种滤波器使用的算法均不同，但都能对图像中的像素值进行微调，让图像呈现平滑效果

## 一、均值滤波器 ##

图像中可能会出现这样一种像素，该像素与周围像素的差别非常大，导致视觉上就能看出该像素无法与周围像素组成可识别的图像信息，降低了整个图像的质量，这种格格不入的像素就是图像的噪声，如果图像中的噪声都是随机的纯黑像素和纯白像素，这种噪声称作椒盐噪声，如下图所示

![3520ae0079e84e00b22360141fbdbba2.png][]

以一个像素为核心，其周围像素可以组成一个n行n列的矩阵，这样的矩阵结构在滤波操作中被称为滤波核，矩阵的行和列决定了滤波核的大小

3×3的滤波核

![31a36aa05c754791bbb0e0f0964a0faa.png][]

均值滤波器可以把图像中的每一个像素都当成滤波核的核心，然后计算所有像素的平均值，最后让核心像素值等于这个平均值

均值滤波计算过程如下

![61e5f6a46f9d4307899064e1fd8ceff1.png][]

OpenCV将均值滤波器封装成blur方法 语法格式如下

> dst=cv2.blur(src,ksize,anchor,borderType)
> 
> ksize （高、宽）滤波核大小 滤波核越大 处理之后的图像就越模糊
> 
> anchor 可选参数 滤波核的锚点

下面对花朵图像进行均值滤波操作

由下图可见 滤波核越大 那么进行滤波之后的图像就越模糊

![4e2fc5f6dca64be88b7d78087b483d71.png][]

部分代码如下

import cv2
    img = cv2.imread("amygdaus triloba.jpg")  # 读取原图
    dst1 = cv2.blur(img, (3,3))  # 使用大小为3*3的滤波核进行均值滤波
    dst2 = cv.blur(img, (5, 5))  # 使用大小为5*5的滤波核进行均值滤波
    dst3 = v2.blur(img, (9, 9))  # 使用大小为9*9的滤波核进行均值滤波
    cv2.imshow(img", img)  # 显示原图
    cv2.imshow("3*3", dst1)  # 显示滤波效果
    cv2.imshow("5*5", dst2)
    cv2.imsow("9*9", dst3)
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

## 二、中值滤波器 ##

中值滤波器的原理与均值滤波器非常相似，唯一的不同就是不计算像素的平均值，而是将所有像素值排序，把最中间的像素值取出，赋值给核心像素

中值滤波计算原理如下图

![3582000a73fb4d7cac58533e3aa45871.png][]

OpenCV将中值滤波器封装成medianblur方法 语法如下

> dst=cv2.medianBlur(src,ksize)
> 
> ksize 滤波核的边长 必须是大于1的奇数 该方法根据此边长自动创建一个正方形的滤波核

处理效果如下

![d9cf82d676d2460ebdafa750bf7ee26a.png][]

部分代码如下

import cv2ad("amygdalus triloba.jpg")  # 读取原图
    dst1 = cv2.mednBlur(img, 3)  # 使用宽度为3的滤波核进行中值滤波
    dst2 = cv2.(img, 5)  # 使用宽度为5的滤波核进行中值滤波
    dst3 = cv2(img, 9)  # 使用宽度为9的滤波核进行中值滤波
    cv2.imshow("img", img)  # 显示原图
    cv2.imhow("3", dst1)  # 显示滤波效果
    cv2.imshow("5", dst2)
    cv2.imshw("9",dst3)
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

**创作不易 觉得有帮助请点赞关注收藏~~~**

[3520ae0079e84e00b22360141fbdbba2.png]: https://img-blog.csdnimg.cn/3520ae0079e84e00b22360141fbdbba2.png
[31a36aa05c754791bbb0e0f0964a0faa.png]: https://img-blog.csdnimg.cn/31a36aa05c754791bbb0e0f0964a0faa.png
[61e5f6a46f9d4307899064e1fd8ceff1.png]: https://img-blog.csdnimg.cn/61e5f6a46f9d4307899064e1fd8ceff1.png
[4e2fc5f6dca64be88b7d78087b483d71.png]: https://img-blog.csdnimg.cn/4e2fc5f6dca64be88b7d78087b483d71.png
[3582000a73fb4d7cac58533e3aa45871.png]: https://img-blog.csdnimg.cn/3582000a73fb4d7cac58533e3aa45871.png
[d9cf82d676d2460ebdafa750bf7ee26a.png]: https://img-blog.csdnimg.cn/d9cf82d676d2460ebdafa750bf7ee26a.png