当前位置: 首页 > news >正文

OpenCV 高斯模糊降噪

# 高斯模糊处理(降噪)
# 参数1: 原始图像
# 参数2: 高斯核尺寸(宽,高,必须为正奇数)
# 其他模糊方法:
#   - cv.blur():             均值模糊
#   - cv.medianBlur():       中值模糊
#   - cv.bilateralFilter():  双边滤波
blur = cv.GaussianBlur(img, (7,7), cv.BORDER_DEFAULT)

在 OpenCV 的 cv.GaussianBlur() 函数中,​​第三个参数 borderType​​ 用于指定图像边界处理方式。

  1. ​​cv.BORDER_DEFAULT​​(默认值)
  • 对边界像素进行​​镜像反射​​(如 BORDER_REFLECT_101),适合大多数场景。
  • 例:边界像素序列 [1,2,3,4] 处理为 […3,2,1,2,3,4,3,2…]。
  1. ​​cv.BORDER_CONSTANT​​
  • 使用​​恒定值填充​​边界(默认黑色)。
  • 可通过 value 参数自定义颜色(如 value=(255,0,0) 填充蓝色)。
  1. cv.BORDER_REPLICATE​​
  • 复制边界像素​​:直接延伸最边缘的像素值。
  • 例:边界序列 [1,2,3,4] 处理为 […1,1,1,2,3,4,4,4…]。
  1. cv.BORDER_REFLECT​​
  • 完全镜像反射​​:对称复制边界像素(不含边缘像素)。
  • 例:序列 [1,2,3,4] 处理为 […2,1,2,3,4,3,2…]。
  1. ​​cv.BORDER_REFLECT_101​​
  • 改进版镜像反射​​(与 BORDER_DEFAULT等效):对称复制时包含边缘像素。
  • 例:序列 [1,2,3,4] 处理为 […3,2,1,2,3,4,3,2…]。
  1. ​​cv.BORDER_WRAP​​
  • 环绕填充​​:重复整个图像像素模式。
  • 例:序列 [1,2,3,4] 处理为 […3,4,1,2,3,4,1,2…]。

选择建议​​:

  1. ​​通用场景​​:优先使用 cv.BORDER_DEFAULT(镜像反射),避免边界伪影。
  2. ​​需透明背景​​:用 cv.BORDER_CONSTANT + 自定义 value参数。
  3. 保留边缘细节​​:cv.BORDER_REPLICATE 适合纹理分析(如工业检测)。
  4. 特殊需求​​:环绕填充(BORDER_WRAP)适用于周期性图案(如纹理合成)。
http://www.dtcms.com/a/331672.html

相关文章:

  • IDEA如何引用brew安装的openjdk
  • ts概念讲解
  • 重塑隐私边界,微算法科技(NASDAQ:MLGO)开发基于边缘计算的轻量级区块链身份隐私保护方案
  • QT - QT开发进阶合集
  • 0814 TCP和DUP通信协议
  • 【DFS系列 | 暴力搜索与回溯剪枝】DFS问题实战:如何通过剪枝优化暴力搜索效率
  • Java Map集合精讲:键值对高效操作指南
  • (LeetCode 每日一题) 1780. 判断一个数字是否可以表示成三的幂的和 (数学、三进制数)
  • 【lucene】DocumentsWriterFlushControl
  • Linux与Windows文件共享:Samba配置指南
  • Linux软件编程:进程
  • GoLand 项目从 0 到 1:第八天 ——GORM 命名策略陷阱与 Go 项目启动慢问题攻坚
  • Go 并发控制利器 ants 使用文档
  • Uniapp 中的 uni.vibrate 震动 API 使用指南
  • 4. 索引数据的增删改查
  • ATAM:基于场景的软件架构权衡分析法
  • C语言指针使用
  • 机器翻译:Hugging Face库详解
  • Qwen-Image深度解析:突破文本渲染与图像编辑的视觉革命
  • 网站突然崩了,此站点遇到了致命错误!
  • 从零开始学习:深度学习(基础入门版)(第2天)
  • RCL 2025 | LLM采样机制的新视角:来自处方性偏移的解释
  • 区块链技术原理(10)-以太坊帐户
  • ​​vdbench 存储性能测试工具​​的详细使用教程,结合安装部署、参数配置、测试执行及结果分析
  • 电池模组奇异值分解降阶模型
  • Pandas数据处理与分析实战:Pandas数据转换与处理基础课程
  • 既然是长连接 ,资源已经占用,已经存在。那抢购就直接用长连接不更好?
  • 前端八股文-HTML5篇
  • AI绘画:从算法原理解读其风格、质量与效率变革
  • RLHF综述-GRPO之前