格式:

cv2.boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None)

参数:

• src: 需要滤波的图片
• ddepth: 输入图像的深度, -1 代表使用原图深度
• Normalize: 标准化, 默认为 None

代码:

# 读取图片
img = cv2.imread("noise.jpg")

# 方框滤波器 (3 X 3)
box = cv2.boxFilter(img, -1, (3, 3), normalize=True)

# 图片展示
cv2.imshow("box", box)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果:

高斯滤波器

高斯滤波器 (Gauss Filter) 是一种线性平滑滤波, 适用于高斯噪声.

高斯噪声 (Gaussian Noise) 是概率密度函数服从高斯分布的一类噪声.

格式:

cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)

参数:

• src: 需要滤波的图片
• ksize: 卷积核大小
• sigmaX: 高斯核函数在 X 方向的的标准偏差
• sigmaY: 高斯核函数在 Y 方向的的标准偏差

代码:

# 读取图片
img = cv2.imread("noise.jpg")

# 高斯滤波器 (3 X 3)
gaussian = cv2.GaussianBlur(img, (3, 3), 1)

# 图片展示
cv2.imshow("gaussian", gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果:

中值滤波

中值滤波器 (Median Filter) 用中值填充.

代码:

# 读取图片
img = cv2.imread("noise.jpg")

# 中值滤波器 (3 X 3)
median = cv2.medianBlur(img, 3)

# 图片展示
cv2.imshow("median", median)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果:

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

dn.net/topics/618545628)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！