OpenCV：图像处理中的低通滤波

OpenCV：图像处理中的低通滤波

引用

CSDN

1.

https://blog.csdn.net/u011186532/article/details/145182738

低通滤波是图像处理中的重要技术，主要用于去除噪声和实现图像平滑。本文详细介绍了五种常见的低通滤波方法：方盒滤波、均值滤波、中值滤波、高斯滤波和双边滤波。通过理论讲解和代码示例，帮助读者全面理解这些滤波方法的原理和应用场景。

简述

低通滤波是一种在图像处理中广泛使用的技术，主要用于去噪和平滑处理。本文将从基础概念出发，结合方盒滤波、均值滤波、中值滤波、高斯滤波和双边滤波的具体实现与应用场景，进行详细讲解。

什么是低通滤波？

低通滤波是一种通过滤掉图像中的高频成分（如噪声和细节），保留低频成分（如平滑区域）的操作。

作用：

• 去除图像中的高频噪声。
• 平滑图像，减少细节。

应用场景：

• 图像预处理（如降噪）。
• 对比度减弱（用于模糊效果）。
• 提高检测精度（用于后续图像分析）。

各种滤波器简介与实现

方盒滤波

方盒滤波是一种简单的低通滤波器，它将图像的局部像素取均值，用一个固定大小的矩形窗口滑动图像。

代码实现

import cv2

# 读取图像
image = cv2.imread("image.jpg")
# 方盒滤波
box_filtered = cv2.boxFilter(image, -1, (5, 5))
cv2.imshow("Original", image)
cv2.imshow("Box Filter", box_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

特点：简单快速，但可能引入边缘模糊。

均值滤波

均值滤波与方盒滤波类似，只不过它专门用于对邻域像素取均值，进行平滑处理。

代码实现

import cv2
import numpy as np

# 读取图像
image = cv2.imread("D:\\resource\\filter\\lena.png")
# 均值滤波
result = cv2.blur(image, (5, 5))
cv2.imshow("Original", image)
cv2.imshow("Result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

特点：效果较为简单，但容易丢失图像细节。

中值滤波

中值滤波是一种非线性滤波方法，用局部窗口内的中值替代中心像素值，常用于去除椒盐噪声。

代码实现

import cv2
![](https://wy-static.wenxiaobai.com/chat-rag-image/2301813304084696394)
import numpy as np

# 读取图像
image = cv2.imread("D:\\resource\\huaji1.jpg")
# 中值滤波, 对胡椒噪点效果好
result = cv2.medianBlur(image, 5)
cv2.imshow("image", image)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

特点

• 对椒盐噪声的去除效果特别好。
• 不会显著模糊边缘。

高斯滤波

高斯滤波使用高斯函数作为权重，对邻域像素加权求和，权重与像素距离呈指数关系，距离越远权重越小。

代码实现

import cv2
import numpy as np

# 读取图像
image = cv2.imread("D:\\resource\\filter\\lena.png")
# 高斯滤波, 针对高斯噪点的效果好
result = cv2.GaussianBlur(image, (5,5), sigmaX=1)
cv2.imshow("image", image)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

特点

• 平滑效果更自然，常用于降噪。
• 能够保持一定的图像边缘信息。

双边滤波

双边滤波是结合了高斯滤波和平滑滤波的优点，同时考虑像素的空间距离和色彩距离，既能平滑图像又能保留边缘。

代码实现

import cv2
import numpy as np

# 读取图像
image = cv2.imread("D:\\resource\\filter\\lena.png")
# 双边滤波
result = cv2.bilateralFilter(image, 7, 20, 50)
cv2.imshow("image", image)
![](https://wy-static.wenxiaobai.com/chat-rag-image/3087150664395248282)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

特点

• 边缘保留效果显著。
• 常用于美容滤镜或去噪后保留图像细节。

运行效果：
经过双边滤波后，图像中的皮肤部分更平滑了。

各种滤波的对比与应用场景