测试图片：使用噪声lena

1、原始图像显示

import cv2 as cv
img=cv.imread("./lenaNoise.jpeg")
cv.imshow("test",img)
cv.waitKey(0)
cv.destroyAllWindows()

2、均值滤波操作

简单的卷积操作：

import cv2 as cv
img=cv.imread("./lenaNoise.jpeg")
blur=cv.blur(img,(3,3)) #blur是均值滤波函数，第一参数为图像，第二参数为卷积核大小
cv.imshow("blur",blur)
cv.imshow("img",img)
cv.waitKey(0)
cv.destroyAllWindows()

• 示例图中黄色区域为卷积核，3*3
• 卷积核内值累加后，平均
• 所以叫平均滤波
  

运行结果：右侧为执行均值滤波后的效果，大家可以自己修改卷积核数值查看效果

3、方盒滤波操作

import cv2 as cv
img=cv.imread("./lenaNoise.jpeg")
box=cv.boxFilter(img,-1,(3,3),normalize=True)
cv.imshow("box",box)
cv.imshow("img",img)
cv.waitKey(0)
cv.destroyAllWindows()

基本原理与均值滤波一样
方盒滤波函数：boxFilter

• src：输入图像
• ddepth：输出图像深度，-1表示与原图像一样，一般都是-1
• ksize：卷积核大小，是一个元组
  运行结果：右侧为执行均值滤波后的效果，大家可以自己修改卷积核数值查看效果
  

4、高斯滤波操作

import cv2 as cv
img=cv.imread("./lenaNoise.jpeg")
gauss=cv.GaussianBlur(img,(5,5),1)
cv.imshow("gauss",gauss)
cv.imshow("img",img)
cv.waitKey(0)
cv.destroyAllWindows()

符合高斯分布，离卷积核越近，越重要

5、中值滤波操作

import cv2 as cv
img=cv.imread("./lenaNoise.jpeg")
gauss=cv.GaussianBlur(img,(5,5),1)
cv.imshow("gauss",gauss)
cv.imshow("img",img)
cv.waitKey(0)
cv.destroyAllWindows()

顾名思义，中值，中间值，不是平均值！！！