四种常见的去噪操作

均值滤波

当对一个值进行滤波时，使用当前值与周围8个值之和，取平均做为当前值

1 2	cv2.blur(img, (3, 3)) # 第二个参数代表进行均值滤波的方框大小

1
2

cv2.boxfilter(img, -1, (3, 3), normalize=True)
# 当normalize=True时，与均值滤波结果相同， normalize=False，表示对加和后的九个点不进行平均操作，大于255的使用255表示

$$
G(x) =
\begin{cases}
\frac {1}{\sqrt{2\pi}\sigma}e^{-\frac {x^2}{2 \sigma^2}}
\end{cases}
$$
根据高斯的距离对周围的点进行加权,求平均值1，0.8， 0.6， 0.8

1 2	cv2.Guassianblur(img, (3, 3), 1) # 1表示σ， x表示与当前值得距离，计算出的G(x)表示权重值

相当于将9个值进行排序，取中值作为当前值

1 2	cv2.medianBlur(img, 3) # 3表示当前的方框尺寸

1	img = np.vstack(要合并的几个图像名，用逗号分隔)