opencv--图像滤波
图像滤波
含义
方法
噪声是怎么产生的
线性滤波
概念
利用窗口对图像中的像素进行加权求和的滤波方式。
图像来源于小虎教程。
图像的滤波是二维滤波的过程。
滤波器窗口：
滤波器窗口（也称为卷积核或模板）是一个小的矩阵（通常为奇数尺寸，如3×3、5×5），用于在图像上滑动并对局部像素进行加权计算。它是图像滤波操作的核心工具。
卷积运算：
卷积运算的本质是通过一个“滑动窗口”（称为卷积核或滤波器）对图像进行局部加权求和。
卷积尺寸：
就是窗口维度，如[3*3]，[5*4]等。
卷积系数：
就是窗口中的数据的设置，根据需要设置，不同的设置造就不同的滤波算法。
一般通过调整卷积核的尺寸和系数改变滤波效果。
加权计算：
(1) 权重（Weight）
-
定义：权重是一个系数，表示某个数据在计算中的相对重要性。
-
特点：
-
权重越大，对结果的影响越大。
-
权重可以是正数、负数，甚至零（表示完全忽略该数据）。
-
算术平均值：
加权计算在图像处理中的应用：
均值滤波
实现原理
利用权重相同的滤波器对所有像素进行加权求和替换中心像素。
均值滤波的窗口：
所谓均值，就是滤波器窗口中的权重(卷积系数)相同。
案例：
步骤：
1，边界处理：填充0会导致边缘像素值偏小（实际应用可选其他填充方式，如镜像填充）。
2，滑动窗口：从图像左上角开始，逐像素移动窗口（如3×3窗口每次右移1像素）。
3，局部计算：对每个窗口内的像素求算术平均值。
4，替换中心值：将结果赋给中心像素。
优缺点
给图像去噪的同时也破坏了图像的细节信息，使图像变得模糊不清。
opencv接口
高斯滤波
高斯函数规律(高斯分布)：
高斯分布（又称正态分布）是概率论中最核心的连续概率分布之一，其概率密度函数（PDF）呈“钟形曲线”，由均值（μ）和标准差（σ）决定形状。
链接
实现原理
高斯滤波和均值滤波原理都一样，只是窗口中的系数规律不一样而已。
高斯分布的窗口：
根据元组二维的(x,y)求得一个窗口的系数值，求出所有的系数之后，得到滤波器窗口，在进行线性滤波的卷积即可完成滤波。
优缺点
滤波效果比均值滤波好，但是计算复杂。