凤仙郡天下杂谈|图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中，Python Python图像处理|图像平滑之均值滤波、

Python图像处理|图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
杨秀璋AI科技大本营昨天

文章图片
Python图像处理|图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
杨秀璋AI科技大本营昨天

文章图片

文章图片
作者|杨秀璋，责编|夕颜题图|视觉中国出品|CSDN博客
本篇文章主要讲解Python调用OpenCV实现图像平滑，包括四个算法：均值滤波、方框滤波、高斯滤波和中值滤波。全文均是基础知识，希望对您有所帮助。知识点如下：
1.图像平滑
2.均值滤波
3.方框滤波
4.高斯滤波
5.中值滤波
PS：本文介绍图像平滑，想让大家先看看图像处理的效果，后面还会补充一些基础知识供大家学习。文章参考自己的博客及网易云课堂李大洋老师的讲解，强烈推荐大家学习。
图像平滑
1.图像增强
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：(参考课件和左飞的《数字图像处理》)

文章图片
2.图像平滑
图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中指滤波、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。
简单平滑-邻域平均法
3.邻域平均法
图像简单平滑是指通过邻域简单平均对图像进行平滑处理的方法，用这种方法在一定程度上消除原始图像中的噪声、降低原始图像对比度的作用。它利用卷积运算对图像邻域的像素灰度进行平均，从而达到减小图像中噪声影响、降低图像对比度的目的。
但邻域平均值主要缺点是在降低噪声的同时使图像变得模糊，特别在边缘和细节处，而且邻域越大，在去噪能力增强的同时模糊程度越严重。

文章图片
首先给出为图像增加噪声的代码。
#-*-coding:utf-8-*-importcv2importnumpyasnp#读取图片img=cv2.imread(''test.jpg'',cv2.IMREAD_UNCHANGED)rows,cols,chn=img.shape#加噪声foriinrange(5000):x=np.random.randint(0,rows)y=np.random.randint(0,cols)img[x,y,:]=255cv2.imshow(''noise'',img)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()
输出结果如下所示：

文章图片

文章图片
均值滤波
1.原理
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。例如下图中，红色点的像素值为蓝色背景区域像素值之和除25 。

文章图片
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+156)+(222+37+68+193+157)+(42+72+250+41+75))/25