OpenCV系列-3.图像平滑处理与阈值

1. 图像平滑处理

input image

如上input image为像素点，表中高亮部分为3x3的矩阵。

• 均值滤波：将上述3x3的矩阵累加后求平均值，赋值给矩阵

• 中值滤波：将上述3x3的矩阵顺序排列（min->max）后取中位数赋值给矩阵

• 高斯模糊：距离中间数值赋值不同的权重

import cv2
import matplotlib.pyplot as plt
import numpy as np

# 功能描述
if __name__ == '__main__':
    img = cv2.imread('opencvnoise.jpg')
    # 均值滤波
    blur = cv2.blur(img, (3, 3))  # 求均值
    # 方框滤波
    box = cv2.boxFilter(img, -1, (3, 3), normalize=True)  # 不常用
    # 高斯模糊
    gaussian = cv2.GaussianBlur(img, (3, 3), 1)  # 要满足高斯分布，所以更重视中间数值
    # 中值滤波
    median = cv2.medianBlur(img, 3)  # 取中间值（中位数）

    res = np.hstack((blur, gaussian, median))
    cv2.imshow('res', res)
    cv2.imwrite('opencvnoiseafter.jpg', res)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

以上左一为原图，剩下三张图片分别时经过均值滤波、高斯模糊和中值滤波处理的图片，可以发现中值滤波在处理噪点时优势最为明显。

2. 图像阈值（threshold）

ret, dst = cv2.threshold(src, thresh, maxval, type)

• ret：阈值化操作返回值，成功（0）或失败（1）

• dst：输出图

• src：源图

• thresh：阈值

• maxval：当超出阈值时赋予的值（由type来决定）

• type：二值化操作的类型(共有5中类型，下文详述)

2.1 type二值化操作的5种类型

1. THRESH_BINARY：超过阈值部分设为maxval,否则设为0

2. THRESH_BINARY_INV：THRESH_BINARY的反转

3. THRESH_TRUNC：大于阈值部分设为阈值，否则不变

4. THRESH_TOZERO：大于阈值部分不变，否则设为0

5. THRESH_TOZERO_INV：THRESH_TOZERO的反转

import cv2
import matplotlib.pyplot as plt
import numpy as np

img_grey = cv2.imread('dog.jpg', cv2.IMREAD_GRAYSCALE)
ret1, thresh1 = cv2.threshold(img_grey, 127, 255, cv2.THRESH_BINARY)
ret2, thresh2 = cv2.threshold(img_grey, 127, 255, cv2.THRESH_BINARY_INV)
ret3, thresh3 = cv2.threshold(img_grey, 127, 255, cv2.THRESH_TRUNC)
ret4, thresh4 = cv2.threshold(img_grey, 127, 255, cv2.THRESH_TOZERO)
ret5, thresh5 = cv2.threshold(img_grey, 127, 255, cv2.THRESH_TOZERO_INV)

imgs = [img_grey, thresh1, thresh2, thresh3, thresh4, thresh5]
titles = ['Original img', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']

for i in range(6):
    plt.subplot(2, 3, i + 1)
    plt.imshow(imgs[i], 'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()