数学之路-python计算实战(15)-机器视觉-滤波去噪(归一化块滤波)

# -*- coding: utf-8 -*-
#code:myhaspl@myhaspl.com
#归一化块滤波
import cv2
import numpy as np
fn="test3.jpg"
myimg=cv2.imread(fn)
img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY)

#加上高斯噪声，可以参考以前博文中的内容
......
......
#滤波去噪
lbimg=cv2.blur(newimg,(3,3))
cv2.imshow('src',newimg)
cv2.imshow('dst',lbimg)
cv2.waitKey()
cv2.destroyAllWindows()

右图是加上噪声，左图是去除噪声后，虽然进行了图像模糊，但仍能比较清晰



根据原理，使用第3个脉冲响应函数（也有人称它为核函数），如下:

本博客所有内容是原创，如果转载请注明来源

http://blog.csdn.net/myhaspl/

用python实现这个算法
#code:myhaspl@myhaspl.com
#归一化块滤波
...
...
#用第3个脉冲响应函数
a=1/16.0
kernel=a*np.array([[1,2,1],[2,4,2],[1,2,1]])
for y in xrange(1,myh-1):
for x in xrange(1,myw-1):
lbimg[y,x]=np.sum(kernel*tmpimg[y-1:y+2,x-1:x+2])
print ".",



效果如下图

opencv提供的blur函数使用说明如下 ：Blurs an image using the normalized box filter.C++: void blur(InputArray src, OutputArray dst, Size ksize, Pointanchor=Point(-1,-1), int borderType=BORDER_DEFAULT )Python: cv2.blur(src, ksize[, dst[, anchor[, borderType]]]) → dst

Parameters:

src – input image; it can have any number of channels, which are processed independently, but the depth should be CV_8U, CV_16U,CV_16S, CV_32F or CV_64F. dst – output image of the same size and type as src. ksize – blurring kernel size. anchor – anchor point; default value Point(-1,-1) means that the anchor is at the kernel center. borderType – border mode used to extrapolate pixels outside of the image.

注意，blur函数使用了第1个脉冲响应函数，如下：The function smoothes an image using the kernel:

对椒盐噪声的归一化块滤波滤波，需要将作用域扩大，但会更模糊，但效果更好

# -*- coding: utf-8 -*-
#code:myhaspl@myhaspl.com
#归一化块滤波
import cv2
import numpy as np
fn="test3.jpg"
myimg=cv2.imread(fn)
img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY)

#加上椒盐噪声
#灰阶范围
w=img.shape[1]
h=img.shape[0]
newimg=np.array(img)
#噪声点数量
noisecount=100000
for k in xrange(0,noisecount):
xi=int(np.random.uniform(0,newimg.shape[1]))
xj=int(np.random.uniform(0,newimg.shape[0]))
newimg[xj,xi]=255

#滤波去噪
lbimg=cv2.blur(newimg,(5,5))
cv2.imshow('src',newimg)
cv2.imshow('dst',lbimg)
cv2.waitKey()
cv2.destroyAllWindows()

本博客所有内容是原创，如果转载请注明来源

http://blog.csdn.net/myhaspl/