做电商平台网站有哪些内容,狼雨seo培训,请人制作一个网站需要多少钱,沃尔玛超市方框滤波#xff08;Box Filtering#xff09;是一种简单的图像平滑处理方法#xff0c;它主要用于去除图像中的噪声和减少细节#xff0c;同时保持图像的整体亮度分布。 方框滤波的原理很简单#xff1a;对于图像中的每个像素#xff0c;将其周围的一个固定大小的邻域内… 方框滤波Box Filtering是一种简单的图像平滑处理方法它主要用于去除图像中的噪声和减少细节同时保持图像的整体亮度分布。 方框滤波的原理很简单对于图像中的每个像素将其周围的一个固定大小的邻域内的像素值取平均然后将这个平均值赋值给当前像素。这个邻域通常是一个正方形称为方框或窗口。方框滤波相当于用一个均值滤波器对图像进行滤波。
与均值滤波的不同在于方框滤波不会计算像素均值。 在均值滤波中滤波结果的像素值是任意一个点的邻域平均值等于各邻域像素值之和除以邻域面积。
而在方框滤波中可以自由选择是否对均值滤波的结果进行归一化即可以自由选择滤波结果是邻域像素值之和的平均值还是邻域像素值之和。
我们以 5×5 的邻域为例在进行方框滤波时如果计算的是邻域像素值的均值则滤波关系如图 7-15 所示。 仍然以 5×5 的邻域为例在进行方框滤波时如果计算的是邻域像素值之和则滤波关系 如图 7-16 所示。
根据上述关系如果计算的是邻域像素值的均值则使用的卷积核为 如果计算的是邻域像素值之和则使用的卷积核为 在 OpenCV 中实现方框滤波的函数是 cv2.boxFilter()其语法格式为 dst cv2.boxFilter( src, ddepth, ksize, anchor, normalize, borderType ) 式中 dst 是返回值表示进行方框滤波后得到的处理结果。
src 是需要处理的图像即原始图像。它能够有任意数量的通道并能对各个通道独立处理。图像深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F 中的一种。
ddepth 是处理结果图像的图像深度一般使用-1 表示与原始图像使用相同的图像深度。
ksize 是滤波核的大小。滤波核大小是指在滤波处理过程中所选择的邻域图像的高度和宽度。
例如滤波核的值可以为(3,3)表示以 3×3 大小的邻域均值作为图像均值滤波处理的结果如下式所示。 anchor 是锚点其默认值是(-1, -1)表示当前计算均值的点位于核的中心点位置。 该值使用默认值即可在特殊情况下可以指定不同的点作为锚点。
normalize 表示在滤波时是否进行归一化这里指将计算结果规范化为当前像素值范围内的值处理该参数是一个逻辑值可能为真值为 1或假值为 0。
当参数 normalize1 时表示要进行归一化处理要用邻域像素值的和除以面积。 当参数 normalize0 时表示不需要进行归一化处理直接使用邻域像素值的和。
通常情况下针对方框滤波卷积核可以表示为 上述对应关系为 例如针对 5×5 邻域当参数 normalize1 时要进行归一化处理此时计算的就是均值滤波。 这种情况下函数 cv2.boxFilter()和函数 cv2.blur()的作用是一样的。
此时对应的卷积核为 同样针对 5×5 邻域当参数 normalize0 时不进行归一化处理此时滤波计算的是邻域像素值之和使用的卷积核是 当 normalize0 时因为不进行归一化处理因此滤波得到的值很可能超过当前像素值范围的最大值从而被截断为最大值。
这样就会得到一幅纯白色的图像。
borderType 是边界样式该值决定了以何种方式处理边界。
通常情况下在使用方框滤波函数时对于参数 anchor、normalize 和 borderType直接采 用其默认值即可。因此函数 cv2.boxFilter()的常用形式为 dst cv2.boxFilter( src, ddepth, ksize ) 实验1: 针对噪声图像对其进行方框滤波显示滤波结果
代码如下:
import cv2
ocv2.imread(lenaNoise.png)
rcv2.boxFilter(o,-1,(5,5))
cv2.imshow(original,o)
cv2.imshow(result,r)
cv2.waitKey()
cv2.destroyAllWindows()运行结果: 在本例中方框滤波函数对 normalize 参数使用了默认值。在默认情况下该值为 1表示要进行归一化处理。也就是说本例中使用的是 normalize 为默认值 True 的 cv2.boxFilter()函数 此时它和函数 cv2.blur()的滤波结果是完全相同的。如图 所示左图是原始图像右图是方框滤波结果图像
实验2:针对噪声图像在方框滤波函数 cv2.boxFilter()内将参数 normalize 的值设置为 0显示滤波处理结果。
代码如下:
import cv2
ocv2.imread(lenaNoise.png)
rcv2.boxFilter(o,-1,(5,5),normalize0)
cv2.imshow(original,o)
cv2.imshow(result,r)
cv2.waitKey()
cv2.destroyAllWindows()在本例中没有对图像进行归一化处理。在进行滤波时计算的是 5×5 邻域的像素值之和图像的像素值基本都会超过当前像素值的最大值 255。因此最后得到的图像接近纯白色部分点处有颜色。部分点有颜色是因为这些点周边邻域的像素值均较小邻域像素值在相加后仍然小于 255。
此时的图像滤波结果如图所示左图是原始图像右图是方框滤波后得到的处理结果
实验3:针对噪声图像使用方框滤波函数 cv2.boxFilter()去噪将参数 normalize 的值设置为 0将卷积核的大小设置为 2×2显示滤波结果
代码如下:
import cv2
ocv2.imread(lenaNoise.png)
rcv2.boxFilter(o,-1,(2,2),normalize0)
cv2.imshow(original,o)
cv2.imshow(result,r)
cv2.waitKey()
cv2.destroyAllWindows()在本例中卷积核大小为 2×2参数 normalize0。因此本例中方框滤波计算的是 2×2邻域的像素值之和四个像素值的和不一定大于 255因此在计算结果图像中有部分像素点不是白色。如图 所示左图是原始图像右图是方框滤波处理结果。
