前言 上一篇文章，我们讲解了图像的虚拟边缘，这篇文章开始进行平滑（也就是模糊）处理。 基本原理 这里直接引用OpenCV 2.4+ C++ 平滑处理和OpenCV 2.4+ C++ 边缘梯度计算的相关内容： 平滑也称模糊, 是一项简单且使用频率很高的图像处理方法。 平滑处理 ...

数字图像处理之锐化处理 by方阳 版权声明：本文为博主原创文章，转载请指明转载地址 http://www.cnblogs.com/fydeblog/p/6748411.html。 今天介绍图像 ...

关于具体在实际场景的使用和图像会慢慢更新。 梯度锐化方法 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少影响，需要利用图像锐化技术，使边缘变得清晰。常用的方法有： 直接以梯度值代替 辅以门限判断 给边缘规定一个特定的灰度级 给背景规定灰度级 根据梯度二值化图像 ...

前文传送门： 「Python 图像处理 OpenCV （1）：入门」 「Python 图像处理 OpenCV （2）：像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python 图像处理 OpenCV （3）：图像属性、图像感兴趣 ROI 区域及通道处理 ...

图像平滑的目的 模糊：在提取较大目标前，去除太小细节，或将目标内的小间断连接起来。 消除噪声：改善图像质量，降低干扰。 平滑处滤波对图像的低频分量增强，同时削弱高频分量，用于消除图像中的随机噪声，起到平滑作用。 图像平滑处理的基本方法 领域平均法 领域 ...

　　一、何为图像噪声？噪声是妨碍人的感觉器官所接受信源信息理解的因素，是不可预测只能用概率统计方法认识的随机误差。 　　举个例子： 　　 　　从这个图中，我们可以观察到噪声的特点：1>位置随机 2>大小不规则。我们将这种噪声称为随机噪声（random noise），这是一种 ...

前面介绍的几种滤波器都属于平滑滤波器（低通滤波器），用来平滑图像和抑制噪声的；而锐化空间滤波器恰恰相反，主要用来增强图像的突变信息，图像的细节和边缘信息。平滑滤波器主要是使用邻域的均值（或者中值）来代替模板中心的像素，消弱和邻域间的差别，以达到平滑图像和抑制噪声的目的；相反，锐化滤波器则使用邻域 ...

图像平滑从信号处理的角度看就是去除其中的高频信息，保留低频信息。因此我们可以对图像实施低通滤波。低通滤波可以去除图像中的噪音，模糊图像(噪音是图像中变化比较大的区域，也就是高频信息)。而高通滤波能够提取图像的边缘(边缘也是高频信息集中的区域)。 根据滤波器的不同又可以分为均值滤波，高斯加权滤波 ...