方盒滤波器和均值滤波器（python实现）

1.方盒滤波器

去噪，将图像变得模糊。

2.函数讲解

函数讲解：boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None):

参数讲解：
（1）src：输入的原始图片;
（2）Ddepth：输出的图像位深，默认值为-1，表示和原图位深一样；
（3）Ksize：方盒滤波卷积核大小；

（4）dst：输出图像；
（5）Anchor：默认值为（-1，-1），表示卷积核的中心点；
关于这个anchor可以看
https://mydreamambitious.blog.csdn.net/article/details/125153829
（6）borderType:用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT实例代码：

3.方盒滤波器实例代码

（1）注程序代码

import os
import cv2
import numpy as np

def BoxFilter(img_path='images/lenna.png'):
    #读取图片
    img_src=cv2.imread(img_path)
    #缩放图片大小
    img=cv2.resize(src=img_src,dsize=(450,450))
    #方盒滤波
    img=cv2.boxFilter(src=img,ddepth=-1,ksize=(5,5),normalize=True)
    #显示图片
    cv2.imshow('img',img)
    cv2.imshow('img_src',img_src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    print('Pycharm')
    BoxFilter()

（2）生成高斯噪声代码

#添加高斯噪声
# loc：float
#     此概率分布的均值（对应着整个分布的中心centre）
# scale：float
#     此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
def Add_Gauss_Noise(img_path='images/lenna.png',mean=0.0,val=0.01):
    image=cv2.imread(img_path)
    image=cv2.resize(src=image,dsize=(450,450))
    image=image/255.0
    noise=np.random.normal(mean,val**0.5,image.shape)
    image=image+noise
    cv2.imshow('image',image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    #保存图片
    cur_path=os.getcwd()
    save_img_path=cur_path+'\\images\\'+'lenna_GaussNoise.png'
    print(save_img_path)
    noise_image=image*255.0
    cv2.imwrite(save_img_path,noise_image)
    return image

（3）生成椒盐噪声代码

#生成椒盐噪声prob:噪声比例
def Papper_Noise(img_path='images/lenna.png',prob=0.1):
    img=cv2.imread(img_path)
    noise=np.zeros(img.shape,np.uint8)
    thres=1-prob
    
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            #产生0-1之间的浮点数（大于等于0且小于1之间的小数）
            rand=random.random()
            #如果随机数小于给定的噪声比例
            if rand<prob:
                noise[i][j]=0
               
            elif rand>thres:
                count_thres+=1
                
            else:
                noise[i][j]=img[i][j]
   
    cv2.imshow('img_noise', noise)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    # 保存图片
    cur_path = os.getcwd()
    save_img_path = cur_path + '\\images\\' + 'lenna_PapperNoise.png'
    print(save_img_path)
    cv2.imwrite(save_img_path, noise)
    return noise

（4）处理高斯噪声效果

可以发现处理高斯噪声的效果还是比较好的（通过模糊的方式处理噪声-平滑）

（5）处理椒盐噪声效果

原始图椒盐噪声非常的严重，所以处理之后的效果相对于原始图还是不错的。

4.均值滤波器

算法简单，计算速度较快，在去噪的同时去除了很多细节部分，将图像变得模糊。

5.函数讲解

函数：blur(src, ksize, dst=None, anchor=None, borderType=None):
参数讲解：
（1）src：输入原始图像；
（2）Kszie：均值卷积核大小；
（3）Dst：输出图像；
（4）Anchor：默认值为（-1，-1），表示卷积核中心；
（5）borderType：用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT；

6.均值滤波器实例代码

import os
import cv2
import numpy as np

def BlurFilter(img_path='images/lenna.png'):
    #读取图片
    img_src=cv2.imread(img_path)
    #缩放图片大小
    img=cv2.resize(src=img_src,dsize=(450,450))
    #方盒滤波
    img=cv2.blur(src=img,ksize=(5,5))
    #显示图片
    cv2.imshow('img',img)
    cv2.imshow('img_src',img_src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    print('Pycharm')
    BlurFilter()

生成高斯噪声和椒盐噪声上面代码示例

（1）去高斯噪声的效果

（2）去椒盐噪声的效果

和上面的方盒滤波器的效果是一样的，因为我设置的参数normalize==True.