《OpenCV轻松入门：面向Python》读书笔记
作者：李立宗
出版社：电子工业出版社
出版时间：2019-05

第7章 图像平滑处理

7.2 方框滤波

  OpenCV还提供了方框滤波方式，与均值滤波的不同在于，方框滤波不会计算像素均值。

• 在均值滤波中，滤波结果的像素值是任意一个点的邻域平均值，等于各邻域像素值之和除以邻域面积。
• 而在方框滤波中，可以自由选择是否对均值滤波的结果进行归一化，即可以自由选择滤波结果是邻域像素值之和的平均值，还是邻域像素值之和。

7.2.1 基本原理

我们以5×5的邻域为例，在进行方框滤波时，如果计算的是邻域像素值的均值，则滤波关系如图7-15所示。

图7-15 方框滤波关系示例1

仍然以5×5的邻域为例，在进行方框滤波时，如果计算的是邻域像素值之和，则滤波关系如图7-16所示。

图7-16 方框滤波关系示例2

根据上述关系，如果计算的是邻域像素值的均值，则使用的卷积核为：

如果计算的是邻域像素值之和，则使用的卷积核为：

7.2.2 函数语法

在OpenCV中，实现方框滤波的函数是cv2.boxFilter()，其语法格式为：

dst=cv2.boxFilter(src ,ddepth, ksize, anchor, normalize, borderType)

式中：

• dst是返回值，表示进行方框滤波后得到的处理结果。
• src是需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者CV_64F中的一种。
• ddepth是处理结果图像的图像深度，一般使用-1表示与原始图像使用相同的图像深度。

• ksize是滤波核的大小。滤波核大小是指在滤波处理过程中所选择的邻域图像的高度和宽度。例如，滤波核的值可以为(3,3)，表示以3×3大小的邻域均值作为图像均值滤波处理的结果，如下式所示。

  
  
• anchor是锚点，其默认值是(-1, -1)，表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。
• normalize表示在滤波时是否进行归一化（这里指将计算结果规范化为当前像素值范围内的值）处理，该参数是一个逻辑值，可能为真（值为1）或假（值为0）。
• borderType是边界样式，该值决定了以何种方式处理边界。

7.2.3 程序示例

【例7.5】针对噪声图像，使用方框滤波函数cv2.boxFilter()去噪，将参数normalize的值设置为0，将卷积核的大小设置为2×2，显示滤波结果。

import cv2
o=cv2.imread("image\\lenaNoise.png")
r=cv2.boxFilter(o,-1,(2,2),normalize=0) 
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

7.2.4 结果

图7-19 【例7.5】对应的方框滤波结果

在本例中，卷积核大小为2×2，参数normalize=0。因此，本例中方框滤波计算的是2×2邻域的像素值之和，四个像素值的和不一定大于255，因此在计算结果图像中有部分像素点不是白色。如图7-19所示，左图是原始图像，右图是方框滤波处理结果。