数学之路python计算实战（18）机器视觉滤波去噪（双边与高斯滤波）

高斯滤波是一种对整张图像实施加权平均处理的技术，其中每个像素点的数值均通过其自身及其周围相邻像素点的数值进行加权计算后获得。具体实施过程为：采用一个特定的模板（也称为卷积核或掩模）依次遍历图像中的各个像素点，并依据模板所定义的邻域内各像素点的加权平均灰度值，来更新模板中心对应位置的像素值。

 #滤波去噪

    
 lbimg=cv2.GaussianBlur(newimg,(3,3),1.8)
    
 cv2.imshow('src',newimg)
    
 cv2.imshow('dst',lbimg)
    
 cv2.waitKey()
    
 cv2.destroyAllWindows()   
    
    
    
    

双边滤波器的优势在于其具备边缘保留的特性，以往常用的维纳滤波或高斯滤波在降噪过程中往往会导致边缘部分出现明显的模糊现象，对图像中高频细节的保护能力较为有限。双边滤波器如其名称所示，在高斯滤波的基础上增加了一个与空间分布相关的高斯方差sigma－d，因此在处理图像时，位于边缘区域的像素点不会受到远处像素值的显著影响