python-opencv的使用

打开摄像头(去噪滤波)
import cv2
import numpy
import matplotlib
from matplotlib import pyplot

def show(blur_Func=None,blurSize=(5,5)):
capture = cv2.VideoCapture(0)
while True:
ret,frame = capture.read()
if ret ==True:
if blur_Func:
frame = blur_Func(frame,blurSize)
”’
pyplot.subplot(121)
pyplot.imshow(img)
pyplot.title(“yuan tu”)
pyplot.subplot(122)
pyplot.imshow(blur)
pyplot.title(“junhenghua”)
pyplot.show()
”’
cv2.imshow(“frame”,frame)

        if cv2.waitKey(1) & 0xFF == ord('q'):            break    else:        breakcapture.release()cv2.destroyAllWindows()

def blur_Blur(image,Size):
return cv2.blur(image,Size)

def gaus_Blur(image,Size):
return cv2.GaussianBlur(img,Size,0)

def meidan_Bulr(image,Size):
if isinstance(Size,tuple):
Size = Size[0]
if Size%2==0:
Size+=1
return cv2.medianBlur(image,Size)

if name==”main“:
show(meidan_Bulr,(100,100))

算数平均去噪即使用一个范围(卷积框)内所有像素的平均值来代替中心像素,所以卷积框越大,去噪效果越好,但是图像越模糊

高斯模糊（简单来说，方框不变，将原来每个方框的值是替换为符合高斯分布的，方框中心的值最大，其余方框根据距离中心元素的距离递减，形成高斯分布。原来的求平均数现在变成求加权平均数，权就是方框里的值）。实现的函数是 cv2.GaussianBlur()。需要指定高斯核的宽和高（必须是奇数）。以及高斯函数沿 X， Y 方向的标准差。如果我们只指定了 X 方向的的标准差， Y 方向也会取相同值。如果两个标准差都是 0，那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从图像中去除高斯噪音。

中值模糊,用与卷积框对应像素的中值来替代中心像素的值(中位数与平均数的区别)