中值滤波：
原理：
中值滤波是一种典型的非线性滤波技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值。
应用：
中值滤波对椒盐噪声来说尤其有用，因为它不依赖于邻域内那些与典型值差别很大的值。
OpenCv API:
复制代码
1cv2.medianBlur(src, ksize)
参数： src: 输入的图像 ksize：卷积核的大小
代码编写：
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18import numpy as np import cv2 as cv import random import matplotlib.pyplot as plt src = cv.imread("E:\view.jpg") img = src.copy() # 调用噪声函数 img_sp = sp_noise(img, prob=0.02) # 噪声比例为0.02 # 中值滤波 img_median = cv.medianBlur(img_sp, 5) # 显示图像 cv.imshow("sp_noise", img_sp) cv.imshow("medianBlur", img_median) cv.waitKey(0)
注：sp_noise()函数见文章：python+OpenCv笔记（八）：图像噪声（椒盐噪声、高斯噪声）
https://blog.csdn.net/qq_45832961/article/details/122309422
椒盐噪声图片：
中值滤波后：
总结：
1.均值滤波︰算法简单，计算速度快，在去噪的同时去除了很多细节部分，将图像变得模糊
cv2.blur()
2.高斯滤波:去除高斯噪声
cv2.GaussianBlur()
3.中值滤波:去除椒盐噪声
cv2.medianBlur()
最后
以上就是欣慰小海豚最近收集整理的关于python+OpenCv笔记（十一）：中值滤波中值滤波：代码编写：的全部内容，更多相关python+OpenCv笔记（十一）内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![torchvision中Transform的normalize参数含义, 自己计算mean和std，可视化后的情况，其他必要的数据增强方式疑问1：疑问2 ，如何得到[0-1]的图像疑问3：PIL.Image/numpy.ndarray与Tensor的相互转换疑问4 ：PIL.Image的缩放裁剪等操作其他必要的数据增强方式参考:](/uploads/reation/bcimg13.png)
发表评论 取消回复