图像处理：模糊操作与噪声处理详解

本资源主要介绍了OpenCV库中的图像处理技术，特别是关于模糊操作的部分。内容分为三个部分： **第一课：** 1. **均值模糊（Blur）**：通过`cv.blur()`函数实现，使用一个3x3的窗口对图像进行卷积，取每个窗口内像素值的平均作为新像素值，有效去除噪声。这种方法简单直观，适用于轻度去噪。 2. **中值滤波（Median Blur）**：`cv.medianBlur()`函数针对椒盐噪声有良好效果，通过滑动一个固定大小（这里是5）的窗口，窗口内的像素值按顺序排列后取中值，能够保留边缘信息，减少离群点的影响。 3. **自定义模糊（Custom Blur）**：利用`cv.filter2D()`函数，可以创建任意形状的卷积核（kernel）进行模糊，例如使用`[[0,-1,0],[-1,5,-1],[0,-1,0]]`的kernel实现锐化效果。这个函数允许用户根据需求定制滤波效果。 **第二课：** 1. **添加高斯噪声（Gaussian Noise）**：通过在每个像素上随机增加噪声，例如使用`np.random.normal()`函数生成服从正态分布的随机值，模拟噪声效果。 2. **高斯模糊（Gaussian Blur）**：`cv.GaussianBlur()`函数对图像进行加权平均处理，其中权重随着与中心像素距离的增大而减小，使得边缘区域保持清晰，适合于图像平滑处理。 **第三课：** 1. **高斯双边模糊（Bilateral Filter）**：`cv.bilateralFilter()`函数提供了一种既能平滑图像又能保留边缘信息的高级模糊方法，它考虑了像素之间的颜色差异和空间距离，对噪声有更强的抑制效果。 2. **偏移高斯模糊（Mean Shift Filtering）**：`cv.pyrMeanShiftFiltering()`函数则是另一种模糊方法，它通过颜色空间和空间距离两个维度的滑动窗口来实现模糊，特别适合在保持边缘的同时减少噪声。 这些教程展示了OpenCV中基本和高级图像模糊技术的应用，有助于理解和实践图像处理中的去噪和边缘保留策略。