锐客网

  1. 首页 > 睿知 > it技术 > >

python滤波核函数 python 滤波函数

IT技术巨坑

如何用python实现图像的一维高斯滤波器【python滤波核函数 python 滤波函数】如何用python实现图像python滤波核函数的一维高斯滤波器
现在把卷积模板中的值换一下python滤波核函数，不是全1python滤波核函数了python滤波核函数，换成一组符合高斯分布的数值放在模板里面 ， 比如这时中间的数值最大，往两边走越来越?。?构造一个小的高斯包 。实现的函数为cv2.GaussianBlur() 。对于高斯模板，python滤波核函数我们需要制定的是高斯核的高和宽（奇数），沿x与y方向的标准差(如果只给x ， y=x，如果都给0，那么函数会自己计算) 。高斯核可以有效的出去图像的高斯噪声 。当然也可以自己构造高斯核 ， 相关函数：cv2.GaussianKernel().
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread(‘flower.jpg‘,0) #直接读为灰度图像
for i in range(2000): #添加点噪声
temp_x = np.random.randint(0,img.shape[0])
temp_y = np.random.randint(0,img.shape[1])
img[temp_x][temp_y] = 255
blur = cv2.GaussianBlur(img,(5,5),0)
plt.subplot(1,2,1),plt.imshow(img,‘gray‘)#默认彩色，另一种彩色bgr
plt.subplot(1,2,2),plt.imshow(blur,‘gray‘)
OpenCV-Python系列六：图像滤波 图像滤波是一种十分常见的图像处理手段 。通常，你可以认为相邻位置像素是紧密联系的，它们共同来显示对某个物体，图像滤波则通过运算来排除图像中和周围相差大的像素 。当然，这并不是绝对的， 有时候你为了评估图像的质量 ， 也会将这些“特立独行”的像素作为选取的目标。无论你采用什么方法 ， 记住你要的目标就行，有时候你的目标可能是别人的背景 。
滤波常常会使得图像变得模糊(非绝对)，那么 ， 为什么你需要将一幅清晰的图像变得模糊呢？下面的例子应该可以解释 。
高斯滤波采用满足正态分布的核模板，其参数的主要参数是标准差σ，代表核的离散程度，σ值越?。０逯行南凳氡咴迪凳钤酱? ，平滑的程度越小 。
高斯滤波对图像采集过程中由于不良照明/高温引起的传感器噪声信号有较好的效果，消除了图像中的高频信号 。
由于得到的是一维的Gaussian Kernel，你可以采用下面的方式转为二维的
为了便于直观感受高斯滤波的效果，使用Canny算子来提取轮廓对比，你可以试试在特征提取前加高斯滤波对比 。
补充说明：对于均值滤波 ， 你也可以使用cv2.boxFilter(src, ddepth, ksize[, dst[, anchor[, normalize[, borderType]]]])来实现，需要将normalize设置为True,当设置normalize为False时，实现的是将kernel内像素相加 ， 官方文档做出的描述为：
中值滤波对图像中的脉冲型(椒盐等)噪声信号处理效果好 ， 当 你的应用场景存在这种颗粒感的噪声信号时，中值滤波会是一种很好的选择。它，选取kernel区域内像素点集的中值最为锚点的像素值，对类似投票机制中的最高分(高灰阶点)和最低分(过低灰阶点)影响有很好的抑制作用 。
如果你的应用涉及到图像美化，双边滤波可以初步达到你的期望 ， 关于双边滤波，这里不做展开，由你来探索，其函数参数信息如下 。
对于opencv-python的图像滤波部分有问题欢迎留言，Have Fun With OpenCV-Python, 下期见 。
滤波方法及python实现 对滤波的 总结 ： 对特定频率进行有效提?。?并对提取部分进行特定的处理（增益，衰减，滤除）的动作被叫做滤波 。
最常用的滤波器类型有三种： 通过式（Pass），搁架式（Shelving）和参量式（Parametric） 。滤波器都有一个叫 参考频率（Reference Frequency）的东西 ，在不同类型的滤波器中，具体的叫法会有所不同 。

推荐阅读


上一篇：微信视频号有推荐吗怎么弄，微信视频号的推荐机制

下一篇：游戏恋爱模拟经营，恋爱经营类手机游戏