cv.filter2D()
平均滤波器：将核放在图像的一个像素A上，求与核对应的图像上25（5x5）个像素的 和，在取平均数，用这个平均数替代像素 A 的值。重复以上操作直到 将图像的每一 个像素值都更新一边。 #模糊化处理，，去除图像中的高频成分（比如：噪音，边界）。 import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('logo.jfif') kernel = np.ones((5,5),np.float32)/25 dst = cv2.filter2D(img,-1,kernel) plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(dst),plt.title('Averaging') plt.xticks([]), plt.yticks([]) plt.show()平均
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('logo.jfif') blur = cv2.blur(img,(5,5)) plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(blur),plt.title('Blurred') plt.xticks([]), plt.yticks([]) plt.show()高斯模糊
把卷积核换成高斯核（简单来说，方框不变，将原来每个方框的值是 相等的，现在 里面的值是符合高斯分布的，方框中心的值最大，其余方框根据 距离中心元素的距 离递减，构成一个高斯小山包。原来的求平均数现在变成求 加权平均数，全就是方 框里的值）。cv2.GaussianBlur()
我们需要指定高斯核的宽和高（必须是奇数）。以及高斯函数沿 X，Y 方向的标准 差。如果我们只指定了 X 方向的的标准差，Y 方向也会取相同值。如果两个标准差 都是 0，那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从图像中去 除高斯噪音。 #0是指根据窗口大小（ 5,5 ）来计算高斯函数标准差 blur = cv2.GaussianBlur(img,(5,5),0)中值模糊
median = cv2.medianBlur(img,5) #我们给原始图像加上 50% 的噪声然后再使用中值模糊。双边滤波
cv2.bilateralFilter() #能在保持边界清晰的情况下有效的去除噪 音。但是这种操作与其他滤波器相比会比 #较慢。 blur = cv2.bilateralFilter(img,9,75,75) #这种方法会确保边界不 会被模糊掉，因为边界处的灰度值变化比较大。