本文的实例与大家共享了opencv python实现均值滤波的具体代码，可供参考，具体内容如下
原理
平均值滤波实际上是通过将关注像素和周边像素平均，然后使其填埋于关注像素来实现滤波目的的方法，在滤波器芯的大小为33 (在times 333的情况下，代替当前的像素值，使用自身和周围的8个像素
平均滤波也可以视为滤波器核的所有值都为1的滤波。
优点：算法简单，计算速度快
缺点：减少噪声的同时，使图像产生模糊，特别是场景的边缘和细节。
代码
import cv2 as cv
导入编号为NP
导入匹配
导入副本
defspilt(a ) :
if a/2==0:
x1=x2=a/2
else:
x1=math.floor(a/2 ) )。
x2=a - x1
1个返回，2个返回
eforiginal(I，j，k，a，b，img ) :
x1，x2=spilt(a ) ) )
y1，Y2=精神(b ) ) ) ) ) ) ) ) ) ) ) ) y1，Y2=精神(b ) ) )
TEMP=NP.Zeros(a*b ) )
count=0
1，x2格式范围：
forninrange(y1，y2 ) :
ifim0orimimg.shape [0]-1 orjn0orjnimg.shape [1]-1:
temp[count]=img[i，j，k]
else:
temp[count]=img[i m，j n，k]
count =1
返回时间
efaverage_function(a，b，img ) :
img0=copy.copy(img ) )。
forIinrange(0，img.shape(0) ) :
forjinrange(2，img.shape(1) ) :
forkinrange(img.shape[2] ) :
TEMP=original(I，j，k，a，b，img0) )。
img[i，j，k]=int(NP.mean ) temp ) )
return img
戴尔主(:
img0=cv.imread(r'noise.jpg ) )。
ave _ img=average _ function (3，3，copy.copy ) img0) ) # ) 3，3 )过滤器大小
cv.imshow(ave_img )，ave_img ) )。
cv.imshow('original '，img0) )。
cv.waitkey(0) ) ) ) ) ) ) ) ) ) cv.waitkey(0) ) ) ) ) ) ) )。
cv.destroyAllWindows (
if __name__=='__main__':
main () )
样品
原图：
滤波器核为33(times333平均滤波后：
以上就是本文的全部内容。 希望对大家的学习有帮助。 另外，请支持python博客。