由一個歸一化卷積框完成的。它只是用卷積框覆蓋區域所有像素的平均值來代替中心元素。

例如，3x3標準化的平均過濾器如下所示：

??
均值濾波的優點是算法簡單，計算速度較快，缺點是在去噪的同時去除了很多細節部分，將圖像變得模糊。

圖像噪聲

• 椒鹽噪聲：圖像中隨機出現的白點或者黑點
• 高斯噪聲：噪聲的概率密度分布是正態分布

---

cv.blur(src, ksize, anchor, borderType)

• src：輸入圖像
• ksize：卷積核的大小
• anchor：默認值 (-1,-1) ，表示核中心
• borderType：邊界類型

import cv2 as cv from matplotlib import pyplot as plt# 1 圖像讀取 img = cv.imread('./1.jpg') # 讀取帶有椒鹽噪聲的圖片# 2 均值濾波 blur = cv.blur(img, (5, 5))# 3 圖像顯示 plt.figure(figsize=(10, 8), dpi=100) plt.subplot(121), plt.imshow(img[:, :, ::-1]), plt.title('原圖') plt.xticks([]), plt.yticks([]) plt.subplot(122), plt.imshow(blur[:, :, ::-1]), plt.title('均值濾波后結果') plt.xticks([]), plt.yticks([]) plt.show()

總結

以上是生活随笔為你收集整理的OpenCV 均值滤波的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。