数学之路-python计算实战(15)-机器视觉-滤波去噪(归一化块滤波)
2014-07-19 09:23
633 查看
# -*- 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
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. |
---|
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/
相关文章推荐
- 数学之路-python计算实战(19)-机器视觉-卷积滤波
- 数学之路-python计算实战(17)-机器视觉-滤波去噪(中值滤波)
- 数学之路-python计算实战(18)-机器视觉-滤波去噪(双边滤波与高斯滤波 )
- 数学之路-python计算实战(21)-机器视觉-拉普拉斯线性滤波
- 数学之路-python计算实战(15)-机器视觉-滤波去噪(归一化块滤波)
- 数学之路-python计算实战(17)-机器视觉-滤波去噪(中值滤波)
- 数学之路-python计算实战(18)-机器视觉-滤波去噪(双边滤波与高斯滤波 )
- 数学之路-python计算实战(16)-机器视觉-滤波去噪(邻域平均法滤波)
- 数学之路-python计算实战(20)-机器视觉-拉普拉斯算子卷积滤波
- 数学之路-python计算实战(8)-机器视觉-图像二值化
- 数学之路-python计算实战(12)-机器视觉-图像增强
- 数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)
- 数学之路-python计算实战(7)-机器视觉-图像产生加性零均值高斯噪声
- 数学之路-python计算实战(21)-机器视觉-拉普拉斯线性滤波
- 数学之路-python计算实战(22)-机器视觉-sobel非线性滤波
- 数学之路-python计算实战(11)-机器视觉-图像增强
- 数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)
- 数学之路-python计算实战(11)-机器视觉-图像增强
- 数学之路-python计算实战(7)-机器视觉-图像产生加性零均值高斯噪声
- 数学之路-python计算实战(9)-机器视觉-图像插值仿射