OpenCV——均值滤波

• 一、均值滤波
• 二、C++代码
• 三、python代码
• 四、结果展示
• • 1、原始图像
  • 2、3x3卷积
  • 3、9x9卷积

   均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即包括目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。
   均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点 （ x ， y ） （x，y） （x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点 （ x ， y ） （x，y） （x，y），作为处理后图像在该点上的灰度 g （ x ， y ） g（x，y） g（x，y），即 g （ x ， y ） = ∑ f （ x ， y ） / m g（x，y）=∑f（x，y）/m g（x，y）=∑f（x，y）/m， m m m为该模板中包含当前像素在内的像素总个数。
   均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

#include 
#include 

using namespace cv;
using namespace std;

int main()
{
	Mat img = imread("hx.jpg");
	
	if (img.empty() )
	{
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	Mat result_3, result_9; //存放滤波结果，数字代表滤波器尺寸
	
	//调用均值滤波函数blur()进行滤波
	blur(img, result_3, Size(3, 3)); // 3x3卷积核
	blur(img, result_9, Size(9, 9)); // 9x9卷积核
	
	//显示处理结果
	imshow("origion pic ", img);
	imshow("3x3 result", result_3);
	imshow("9x9 salt", result_9);
	waitKey(0);
	return 0;
}

import cv2

img = cv2.imread('hx.jpg')
# -------------------均值滤波------------------
img_mean_3 = cv2.blur(img, (3, 3))
img_mean_9 = cv2.blur(img, (9, 9))
# ------------------可视化结果-----------------
cv2.imshow('origion_pic', img)
cv2.imshow('3x3_filtered_pic', img_mean_3)
cv2.imshow('9x9_filtered_pic', img_mean_3)
cv2.waitKey(0)