目录

实现图像的均值滤波、中值滤波、高斯滤波一、均值滤波二、中值滤波三、高斯滤波小结实现图像卷积边缘检测Harries角点检测

实现图像的均值滤波、中值滤波、高斯滤波

一、均值滤波

实现：blur函数

blur()的作用是：对输入的图像src进行均值滤波后用dst输出。

代码如下：

import cv2
import matplotlib.pyplot as plt
img = cv2.imread('D:\\flower.jpg',0) 
blur = cv2.blur(img,(3,5))
plt.subplot(1,2,1),plt.imshow(img,'gray')
plt.subplot(1,2,2),plt.imshow(blur,'gray')
plt.show() cv2
import matplotlib.pyplot as plt
img = cv2.imread('D:\\flower.jpg',0) 
blur = cv2.blur(img,(3,5))
plt.subplot(1,2,1),plt.imshow(img,'gray')
plt.subplot(1,2,2),plt.imshow(blur,'gray')
plt.show()

函数理解：

blur()：网上没有找到python中这个函数的相关介绍，以后再了解吧，在C++中blur是有5个参数的，在这里只用了两个。

subplot(numRows, numCols, plotNum)：划分一个numRows行，numCols列的区域。第三个参数plotNum指定了子图所在的区域。此处应注意逗号的存在。（不懂什么用）

imshow()：第二个参数可选，如果没有参数则默认彩色。

show()：将图片显示出来。如果没有加上plt.show()，命令行将显示图片的地址，而不会弹出图片窗口。

实现如下：

有点

二、中值滤波

实现：medianBlur函数

medianBlur函数使用中值滤波器来平滑（模糊）处理一张图片，从src输入，结果从dst输出。对于多通道图片，它对每一个通道都单独进行处理，并且支持就地操作。

代码如下：

import numpy as np
import cv2
import matplotlib.pyplot as plt
​
img = cv2.imread('D:\\woman.jpg',0)
​
for i in range(2000):
    temp_x = np.random.randint(0, img.shape[0])
    temp_y = np.random.randint(0, img.shape[1])
    img[temp_x][temp_y] = 255
​
newImg = cv2.medianBlur(img,5)
plt.subplot(1,2,1),plt.imshow(img,'gray')
plt.subplot(1,2,2),plt.imshow(newImg,'gray')
plt.show() numpy as np
import cv2
import matplotlib.pyplot as plt
​
img = cv2.imread('D:\\woman.jpg',0)
​
for i in range(2000):
    temp_x = np.random.randint(0, img.shape[0])
    temp_y = np.random.randint(0, img.shape[1])
    img[temp_x][temp_y] = 255
​
newImg = cv2.medianBlur(img,5)
plt.subplot(1,2,1),plt.imshow(img,'gray')
plt.subplot(1,2,2),plt.imshow(newImg,'gray')
plt.show()

函数理解：

np.random.randint(a,b)：生成a,b之间的随机数，然后再以a,b分别为x,y坐标画点噪声。255为白色。

实现如下：

三、高斯滤波

实现：GaussianBlur函数

代码如下：

import numpy as np
import cv2
import matplotlib.pyplot as plt
​
img = cv2.imread('D:\\woman.jpg')
​
for i in range(2000):
    Axis_x = np.random.randint(0, img.shape[0])
    Axis_y = np.random.randint(0, img.shape[1])
    img[temp_x][temp_y] = 255
​
newImg = cv2.GaussianBlur(img,(5,5),0)
plt.subplot(1,2,1),plt.imshow(img,'gray')
plt.subplot(1,2,2),plt.imshow(newImg,'gray')
plt.show()
import cv2
import matplotlib.pyplot as plt
​
img = cv2.imread('D:\\woman.jpg')
​
for i in range(2000):
    Axis_x = np.random.randint(0, img.shape[0])
    Axis_y = np.random.randint(0, img.shape[1])
    img[temp_x][temp_y] = 255
​
newImg = cv2.GaussianBlur(img,(5,5),0)
plt.subplot(1,2,1),plt.imshow(img,'gray')
plt.subplot(1,2,2),plt.imshow(newImg,'gray')
plt.show()

高斯滤波和中值滤波的代码差不多，唯一的区别是在使用的滤波函数不同。

实现如下：