图像去噪opencv

在OpenCV中，图像去噪通常可以通过多种方式来实现，包括高斯模糊、中值滤波、双边滤波等。提供完整的参数和中文注释。

1. 导入必要的库

复制代码

import cv2
import numpy as np

2. 读取图像

复制代码

# 读取图像
img = cv2.imread('image_path.jpg')  # 替换为你的图片路径
cv2.imshow('Original Image', img)
cv2.waitKey(0)

3. 使用高斯模糊去噪

复制代码

# 高斯模糊去噪
# 参数解释：
# src: 输入图像
# ksize: 高斯内核大小，宽度和高度可以不同，但它们都必须为正数和奇数，或者可以为零，然后从sigma计算得出
# sigmaX: 高斯内核在X方向上的标准偏差
# sigmaY: 高斯内核在Y方向上的标准偏差，如果sigmaY为零，则将其设置为等于sigmaX，如果两者都为零，则根据ksize.width和ksize.height计算它们
# borderType: 边界类型
gaussian_blur = cv2.GaussianBlur(img, (5, 5), 0)
cv2.imshow('Gaussian Blur', gaussian_blur)
cv2.waitKey(0)

4. 使用中值滤波去噪

复制代码

# 中值滤波去噪
# 参数解释：
# src: 输入图像
# ksize: 中值滤波的孔径线性尺寸，它必须是大于1的奇数
median_blur = cv2.medianBlur(img, 5)
cv2.imshow('Median Blur', median_blur)
cv2.waitKey(0)

5. 使用双边滤波去噪

复制代码

# 双边滤波去噪
# 参数解释：
# src: 输入图像
# d: 滤波时周围每个像素邻域的直径
# sigmaColor: 在color space中过滤sigma
# sigmaSpace: 在coordinate space中过滤sigma
bilateral_filter = cv2.bilateralFilter(img, 9, 75, 75)
cv2.imshow('Bilateral Filter', bilateral_filter)
cv2.waitKey(0)

6. 关闭所有窗口

复制代码

# 关闭所有OpenCV窗口
cv2.destroyAllWindows()

请确保将 'image_path.jpg' 替换为你要处理的图像的实际路径。