【无标题】

OpenCV 图像滤波：椒盐噪声添加与均值、高斯、中值、方框滤波

一、前言

在数字图像处理中，由于摄像设备、环境光线等因素影响，图像中经常会出现噪声。

常见噪声类型：

• 椒盐噪声
• 高斯噪声
• 随机噪声

为了降低噪声对图像质量的影响，需要使用滤波算法进行处理。

OpenCV 中常见的图像滤波方法：

本文通过添加椒盐噪声，对比不同滤波方法的效果。

二、添加椒盐噪声

1. 椒盐噪声原理

椒盐噪声会随机改变图像中的部分像素：

• 黑色点：像素值为 0
• 白色点：像素值为 255

例如：

原像素：

120 130 140
150 160 170

加入噪声：

120 255 140
0 160 170

2. 创建椒盐噪声函数

import cv2
import numpy as np

def add_peppersalt_noise(image, n=10000):

result = image.copy()

# 获取图片高度和宽度
h, w = image.shape[:2]

# 生成n个噪声点
for i in range(n):

# 随机生成坐标
x = np.random.randint(0, h)
y = np.random.randint(0, w)

# 随机产生黑点或者白点
if np.random.randint(0, 2) == 0:

# 椒噪声
result[x, y] = 0

else:

# 盐噪声
result[x, y] = 255

return result

三、读取图片并添加噪声

image = cv2.imread('3.png')

#显示原图
cv2.imshow(
'yuan tu',
image
)

#添加椒盐噪声
noise = add_peppersalt_noise(image)

cv2.imshow(
'noise',
noise
)

运行效果：

原图：

清晰图片

↓

加入噪声：

随机出现黑白点

四、均值滤波（cv2.blur）

1. 原理

均值滤波又叫平均滤波。

使用邻域像素平均值替代当前像素。

例如：

3×3区域：

100 120 130
110 140 150
90 100 120

计算平均：

(100+120+130+110+140+150+90+100+120)/9

作为中心像素的新值。

2. OpenCV实现

函数：

cv2.blur(src, ksize)

参数：

3. 3×3均值滤波

blur_1 = cv2.blur(
noise,
(3,3)
)

cv2.imshow(
'blur_1',
blur_1
)

特点：

优点：

• 图像较清晰

缺点：

• 去噪能力一般

4. 63×63均值滤波

blur_2 = cv2.blur(
noise,
(63,63)
)

cv2.imshow(
'blur_2',
blur_2
)

特点：

优点：

• 去噪效果明显

缺点：

• 图像模糊严重

五、方框滤波（Box Filter）

1. 函数

cv2.boxFilter()

格式：

cv2.boxFilter(
src,
ddepth,
ksize,
normalize
)

参数：

2. 归一化方框滤波

代码：

boxFilter_1 = cv2.boxFilter(
noise,
–1,
(3,3),
normalize=True
)

效果：

等价于均值滤波。

计算：

[
dst=\\frac{sum}{n}
]

3. 非归一化方框滤波

代码：

boxFilter_2 = cv2.boxFilter(
noise,
–1,
(3,3),
normalize=False
)

区别：

不会除以像素数量。

结果：

像素值可能快速增大。

六、高斯滤波（Gaussian Blur）

1. 原理

高斯滤波使用高斯函数计算权重。

中心像素权重大：

中心区域影响大

边缘像素权重小：

影响较小

相比均值滤波：

• 平滑效果更自然
• 边缘保持更好

2. 函数

cv2.GaussianBlur()

格式：

cv2.GaussianBlur(
src,
ksize,
sigmaX
)

参数：

3. 代码

GaussianB = cv2.GaussianBlur(
noise,
(3,3),
1
)

cv2.imshow(
'GaussianBlur',
GaussianB
)

七、中值滤波（Median Blur）

1. 原理

中值滤波：

将邻域像素排序：

例如：

10 20 200
30 40 50
60 70 80

排序：

10 20 30 40 50 60 70 80 200

取中间值：

50

替换中心像素。

2. 函数

cv2.medianBlur()

格式：

cv2.medianBlur(
src,
ksize
)

3. 代码

medianB = cv2.medianBlur(
noise,
3
)

cv2.imshow(
'medianBlur',
medianB
)

八、完整代码

import cv2
import numpy as np

def add_peppersalt_noise(image,n=10000):

result=image.copy()

h,w=image.shape[:2]

for i in range(n):

x=np.random.randint(0,h)
y=np.random.randint(0,w)

if np.random.randint(0,2)==0:

result[x,y]=0

else:

result[x,y]=255

return result

image=cv2.imread("3.png")

noise=add_peppersalt_noise(image)

#均值滤波
blur=cv2.blur(
noise,
(3,3)
)

#方框滤波
box=cv2.boxFilter(
noise,
–1,
(3,3),
normalize=True
)

#高斯滤波
gaussian=cv2.GaussianBlur(
noise,
(3,3),
1
)

#中值滤波
median=cv2.medianBlur(
noise,
3
)

cv2.imshow("noise",noise)
cv2.imshow("blur",blur)
cv2.imshow("box",box)
cv2.imshow("gaussian",gaussian)
cv2.imshow("median",median)

cv2.waitKey(0)
cv2.destroyAllWindows()

九、不同滤波方法对比

十、总结

本文学习了 OpenCV 中常用的图像滤波方法：

• 使用随机方式添加椒盐噪声
• 使用均值滤波进行平滑处理
• 使用方框滤波控制像素平均
• 使用高斯滤波进行自然模糊
• 使用中值滤波去除椒盐噪声

实际应用中：

• 椒盐噪声 → 首选中值滤波
• 高斯噪声 → 首选高斯滤波
• 普通平滑 → 均值滤波即可

这些滤波方法是后续学习边缘检测、图像分割、目标识别的重要基础。