# -*- coding: utf-8 -*-   
#code:[email protected]
#歸一化塊濾波
import cv2
import numpy as np
fn="test3.jpg"
myimg=cv2.imread(fn)
img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY)

#加上高斯噪聲，可以參考以前博文中的內容
......
......
#濾波去噪
lbimg=cv2.blur(newimg,(3,3))
cv2.imshow('src',newimg)
cv2.imshow('dst',lbimg)
cv2.waitKey()
cv2.destroyAllWindows()
 

右圖是加上噪聲，左圖是去除噪聲後，雖然進行了影象模糊，但仍能比較清晰

根據原理，使用第3個脈衝響應函式（也有人稱它為核函式），如下:

本部落格所有內容是原創，如果轉載請註明來源

用python實現這個演算法

#code:[email protected]
#歸一化塊濾波
...
...
#用第3個脈衝響應函式
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 ".",

 

效果如下圖

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函式使用了第1個脈衝響應函式，如下：

The function smoothes an image using the kernel:

# -*- coding: utf-8 -*-   
#code:[email protected]
#歸一化塊濾波
import cv2
import numpy as np
fn="test3.jpg"
myimg=cv2.imread(fn)
img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY)

#加上椒鹽噪聲
#灰階範圍
w=img.shape[1]
h=img.shape[0]
newimg=np.array(img)
#噪聲點數量
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


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