【OpenCV 例程200篇】56. 低通盒式滤波器

欢迎关注 『OpenCV 例程200篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

图像滤波是在尽可能保留图像细节特征的条件下对目标图像的噪声进行抑制，是常用的图像预处理操作。

平滑滤波也称为低通滤波，可以抑制图像中的灰度突变，使图像变得模糊，是低频增强的空间域滤波技术。

平滑滤波常用于：

• 模糊图像和图像降噪。
• 在图像重取样前平滑图像以减少混淆
• 减少图像中无关的细节
• 平滑因灰度级不足所导致的图像的伪轮廓

2.1 低通盒式滤波器

盒式核是最简单的可分离低通滤波器核。盒式核的模板区域中各像素点的系数相同，因此也是可分离核。

盒式滤波器结构简单，便于快速实现和实验。但盒式滤波器对透镜模糊特性的近似能力较差，而且往往会沿垂直方向模糊图像。

OpenCV 提供了 cv.blur 函数和 cv.boxFilter 函数实现盒式滤波器核低通滤波。

函数说明：

cv.blur(src, ksize[, dst[, anchor[, borderType]]]) → dst

函数 cv.blur 使用的滤波器核的表达式为：
$$K=\frac{1}{ksize.width\ast ksize.height}\left[\begin{array}{cccc}1& 1& \cdots & 1\\ 1& 1& \cdots & 1\\ ⋮& ⋮& ⋮& ⋮\\ 1& 1& \cdots & 1\end{array}\right]$$

参数说明：

• src：低通滤波输入图像，可以是灰度图像，也可以是多通道的彩色图像
• dst：低通滤波输出图像，大小和类型与 src 相同
• ksize：模糊核的大小，元组 (width, height)，宽度、高度应设为正奇数
• anchor：卷积核的锚点位置，默认值 (-1, -1)，表示以卷积核的中心为锚点
• borderType：边界扩充的类型

函数说明：

cv.boxFilter(src, ddepth, ksize[, dst[, anchor[, normalize[, borderType]]]]) → dst

函数 cv.blur 使用的滤波器核的表达式为：
$$\begin{gathered} K=\alpha \left[\begin{array}{cccc}1& 1& \cdots & 1\\ 1& 1& \cdots & 1\\ ⋮& ⋮& ⋮& ⋮\\ 1& 1& \cdots & 1\end{array}\right] \\ \alpha =\{\begin{array}{ll}\frac{1}{ksize.width\ast ksize.height}& ,\text{if normalize=True}\\ 1& ,\text{if normalize=False}\end{array} \end{gathered}$$

显然，当 normalize=True 时，函数 cv.blur() 等价于函数 cv.boxFilter(normalize=True) 。

参数说明：

• src：低通滤波输入图像，可以是灰度图像，也可以是多通道的彩色图像
• dst：低通滤波输出图像，大小和类型与 src 相同
• ddepth：输出图像每个通道的深度（数据类型），ddepth=-1 表示与输入图像的数据类型相同
• ksize：模糊核的大小，元组 (width, height)，宽度、高度应设为正奇数
• anchor：卷积核的锚点位置，默认值 (-1, -1)，表示以卷积核的中心为锚点
• normalize：归一化选项，默认值 normalize=True 时进行归一化，否则不作归一化处理
• borderType：边界扩充的类型

例程 1.70：图像的低通滤波—盒式滤波器

    # 1.70：图像的低通滤波 (盒式滤波器核)img = cv2.imread("../images/Fig0515a.tif", flags=0)  # # flags=0 读取为灰度图像kSize = (5, 5)kernel1 = np.ones(kSize, np.float32) / (kSize[0]*kSize[1])  # 生成归一化盒式核imgConv1 = cv2.filter2D(img, -1, kernel1)  # cv2.filter2D 方法imgConv2 = cv2.blur(img, kSize)  # cv2.blur 方法imgConv3 = cv2.boxFilter(img, -1, kSize)  # cv2.boxFilter 方法 (默认normalize=True)print("比较 cv2.filter2D 与 cv2.blur 方法结果相同吗？\t", (imgConv1 == imgConv2).all())print("比较 cv2.blur 与 cv2.boxFilter 方法结果相同吗？\t", (imgConv2 == imgConv3).all())kSize = (11, 11)imgConv11 = cv2.blur(img, kSize)  # cv2.blur 方法plt.figure(figsize=(9, 6))plt.subplot(131), plt.axis('off'), plt.title("Original")plt.imshow(img, cmap='gray', vmin=0, vmax=255)plt.subplot(132), plt.axis('off'), plt.title("cv2.blur (kSize=[5,5])")plt.imshow(imgConv2, cmap='gray', vmin=0, vmax=255)plt.subplot(133), plt.axis('off'), plt.title("cv2.blur (kSize=[11,11])")plt.imshow(imgConv11, cmap='gray', vmin=0, vmax=255)plt.tight_layout()plt.show()

运行结果如下：

比较 cv2.filter2D 与 cv2.blur 方法结果相同吗？  True
比较 cv2.blur 与 cv2.boxFilter 方法结果相同吗？  True

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接

Copyright 2021 youcans, XUPT

Crated：2021-11-29

欢迎关注 『OpenCV 例程200篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

【OpenCV 例程200篇】01. 图像的读取（cv2.imread）
【OpenCV 例程200篇】02. 图像的保存（cv2.imwrite）
【OpenCV 例程200篇】03. 图像的显示（cv2.imshow）
【OpenCV 例程200篇】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 例程200篇】05. 图像的属性（np.shape）
【OpenCV 例程200篇】06. 像素的编辑（img.itemset）
【OpenCV 例程200篇】07. 图像的创建（np.zeros）
【OpenCV 例程200篇】08. 图像的复制（np.copy）
【OpenCV 例程200篇】09. 图像的裁剪（cv2.selectROI）
【OpenCV 例程200篇】10. 图像的拼接（np.hstack）
【OpenCV 例程200篇】11. 图像通道的拆分（cv2.split）
【OpenCV 例程200篇】12. 图像通道的合并（cv2.merge）
【OpenCV 例程200篇】13. 图像的加法运算（cv2.add）
【OpenCV 例程200篇】14. 图像与标量相加（cv2.add）
【OpenCV 例程200篇】15. 图像的加权加法（cv2.addWeight）
【OpenCV 例程200篇】16. 不同尺寸的图像加法
【OpenCV 例程200篇】17. 两张图像的渐变切换
【OpenCV 例程200篇】18. 图像的掩模加法
【OpenCV 例程200篇】19. 图像的圆形遮罩
【OpenCV 例程200篇】20. 图像的按位运算
【OpenCV 例程200篇】21. 图像的叠加
【OpenCV 例程200篇】22. 图像添加非中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】24. 图像的仿射变换
【OpenCV 例程200篇】25. 图像的平移
【OpenCV 例程200篇】26. 图像的旋转（以原点为中心）
【OpenCV 例程200篇】27. 图像的旋转（以任意点为中心）
【OpenCV 例程200篇】28. 图像的旋转（直角旋转）
【OpenCV 例程200篇】29. 图像的翻转（cv2.flip）
【OpenCV 例程200篇】30. 图像的缩放（cv2.resize）
【OpenCV 例程200篇】31. 图像金字塔（cv2.pyrDown）
【OpenCV 例程200篇】32. 图像的扭变（错切）
【OpenCV 例程200篇】33. 图像的复合变换
【OpenCV 例程200篇】34. 图像的投影变换
【OpenCV 例程200篇】35. 图像的投影变换（边界填充）
【OpenCV 例程200篇】36. 直角坐标与极坐标的转换
【OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理
【OpenCV 例程200篇】38. 图像的反色变换（图像反转）
【OpenCV 例程200篇】39. 图像灰度的线性变换
【OpenCV 例程200篇】40. 图像分段线性灰度变换
【OpenCV 例程200篇】41. 图像的灰度变换（灰度级分层）
【OpenCV 例程200篇】42. 图像的灰度变换（比特平面分层）
【OpenCV 例程200篇】43. 图像的灰度变换（对数变换）
【OpenCV 例程200篇】44. 图像的灰度变换（伽马变换）
【OpenCV 例程200篇】45. 图像的灰度直方图
【OpenCV 例程200篇】46. 直方图均衡化
【OpenCV 例程200篇】47. 图像增强—直方图匹配
【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配
【OpenCV 例程200篇】49. 图像增强—局部直方图处理
【OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强
【OpenCV 例程200篇】51. 图像增强—直方图反向追踪
【OpenCV 例程200篇】52. 图像的相关与卷积运算
【OpenCV 例程200篇】53. Scipy 实现图像二维卷积
【OpenCV 例程200篇】54. OpenCV 实现图像二维卷积
【OpenCV 例程200篇】55. 可分离卷积核
【OpenCV 例程200篇】56. 低通盒式滤波器
【OpenCV 例程200篇】57. 低通高斯滤波器
【OpenCV 例程200篇】58. 非线性滤波—中值滤波
【OpenCV 例程200篇】59. 非线性滤波—双边滤波
【OpenCV 例程200篇】60. 非线性滤波—联合双边滤波
【OpenCV 例程200篇】61. 导向滤波（Guided filter）
【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽
【OpenCV 例程200篇】63. 图像锐化——Laplacian 算子
【OpenCV 例程200篇】64. 图像锐化——Sobel 算子
【OpenCV 例程200篇】65. 图像锐化——Scharr 算子
【OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通
【OpenCV 例程200篇】67. 空间域图像增强的综合应用
【OpenCV 例程200篇】68. 空间域图像增强的综合应用
【OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数
【OpenCV 例程200篇】70. 一维连续函数的傅里叶变换
【OpenCV 例程200篇】71. 连续函数的取样
【OpenCV 例程200篇】72. 一维离散傅里叶变换
【OpenCV 例程200篇】73. 二维连续傅里叶变换
【OpenCV 例程200篇】74. 图像的抗混叠
【OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换
【OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换
【OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换
【OpenCV 例程200篇】78. 频率域图像滤波基础
【OpenCV 例程200篇】79. 频率域图像滤波的基本步骤
【OpenCV 例程200篇】80. 频率域图像滤波详细步骤
【OpenCV 例程200篇】81. 频率域高斯低通滤波器
【OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器
【OpenCV 例程200篇】83. 频率域低通滤波：印刷文本字符修复
【OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器
【OpenCV 例程200篇】85. 频率域高通滤波器的应用
【OpenCV 例程200篇】86. 频率域滤波应用：指纹图像处理
【OpenCV 例程200篇】87. 频率域钝化掩蔽
【OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波
【OpenCV 例程200篇】89. 带阻滤波器的传递函数
【OpenCV 例程200篇】90. 频率域陷波滤波器
【OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声
【OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声
【OpenCV 例程200篇】93. 噪声模型的直方图
【OpenCV 例程200篇】94. 算术平均滤波器
【OpenCV 例程200篇】95. 几何均值滤波器
【OpenCV 例程200篇】96. 谐波平均滤波器
【OpenCV 例程200篇】97. 反谐波平均滤波器
【OpenCV 例程200篇】98. 统计排序滤波器
【OpenCV 例程200篇】99. 修正阿尔法均值滤波器
【OpenCV 例程200篇】100. 自适应局部降噪滤波器