文章列表1图像噪声1.1椒盐噪声1.2 xldyb噪声2图像去噪/滤波/平滑2.1 xldyb滤波2.2均值滤波2.3中值滤波
1图像噪声
噪声的产生：图像中途，部分像素发生突变，与周围像素之间无法协调
去噪：用协调点取代不协调点。 使灰度值的变化均匀化。
去噪的方法：
(1)卷积方法) xldyb滤波、均值滤波…
)2)基于形态学的运算)开、关运算…
1.1椒盐噪声椒盐噪声：又称脉冲噪声，是图像处理中常见的噪声，是随机出现的白点或黑点。
1.2 xldyb噪声(xldyb噪声)意味着噪声的(灰度值)密度函数遵循xldyb分布。
2图像去噪/滤波/平滑
2.1 xldyb过滤xldyb核：
越接近中心取越大的值，越远离中心取越小的值。计算xldyb平滑结果时，只需要将中心点作为原点，其他点按照其在正态分布曲线上的位置，分配权重，就可以得到一个加权平均值。
xldyb滤波的作用：
（1）xldyb滤波对图像进行了平滑或模糊的操作，模糊的强度是由xldyb的标准方差决定的，标准方差越大，对图像的平滑越大，方差越小，对图像的模糊程度越小。
（2）xldyb滤波是一个平均操作，对xldyb核覆盖的像素点的灰度值的平均，给中间的点给予更多的权重的平均。使中央点具有更多权重，周边点具有更低权重。能够很好的保留原来图像的属性。
33558 www.Sina.com/cv2.Gaussian blur (src，ksize，sigmax，sigmaY=None，borderType=None ) )
API：
src :输入图像
ksize:xldyb卷积核的大小。 注意卷积核的宽度和高度是奇数，可以不同
sigmax :水平方向的标准偏差
sigmay :垂直方向的标准偏差。 默认值为0，表示与sigmax相同
边框类型：填充边界类型
import c v2 importmatplotlib.pyplotaspltimportnumpyasnp # 1 .读取图像img1=cv2.imread(blur_sp.png ' )椒盐噪声的图像img2=cv 2.2。2.xld Yb滤波img _ blur1=cv2.Gaussian blur
2.2平均过滤参数：
得到平均值内核覆盖的每个像素点或相同的权重。 使用平均滤波器模板来移除图像中的噪声以取代中心元素33到354卷积帧复盖区域中的所有像素的平均值。 该平均操作不能很好地保持图像本来的属性，图像会异常模糊。
33558www.Sina.com/cv2.blur(src，ksize，anchor=None，borderType=None ) )。
均值滤波核：
src :输入图像
ksize :卷积核大小
anchor :默认值(-1，-1)表示核的中心
边框类型：边界类型
import c v2 importmatplotlib.pyplotaspltimportnumpyasnp #1.读取图像img1=cv2.imread(blur_sp.png ' )椒盐噪声的图像img2=cv (5，5 ) )3.显示图像cv2.imshow )、img1) cv2.imshow )、blur_Jiaoyyow
2.3对中值滤波器API：内核覆盖的像素的灰度值进行排序，将中值作为最终结果。 中值滤波器是典型的非线性滤波技术，基本思想是将该像素点的灰度值置换为像素点附近的灰度值的中值。
emsp；参数：对椒盐噪声特别有用。 这是因为他不依赖于附近内典型值的较大差异
33558 www.Sina.com/cv2.median blur (src，ksize ) )。
src :输入图像
ksize :卷积核大小
import c v2 importmatplotlib.pyplotaspltimportnumpyasnp # 1 .读取图像img1=cv2.imread(blur_sp.png ' )椒盐噪声的图像img2=cv2.2 .平均滤波img _ blur1=cv2.median blur (img
中值滤波器的效果不如xldyb滤波器的内核平均滤波器，但运算速度很快。