Python中的图像处理（第十章）Python图像平滑（1）
前言
随着人工智能研究的不断兴起，Python的应用也在不断上升，由于Python语言的简洁性、易读性以及可扩展性，特别是在开源工具和深度学习方向中各种神经网络的应用，使得Python已经成为最受欢迎的程序设计语言之一。由于完全开源，加上简单易学、易读、易维护、以及其可移植性、解释性、可扩展性、可扩充性、可嵌入性：丰富的库等等，自己在学习与工作中也时常接触到Python，这个系列文章的话主要就是介绍一些在Python中常用一些例程进行仿真演示！
本系列文章主要参考杨秀章老师分享的代码资源，杨老师博客主页是Eastmount，杨老师兴趣广泛，不愧是令人膜拜的大佬，他过成了我理想中的样子，希望以后有机会可以向他请教学习交流。
因为自己是做图像语音出身的，所以结合《Python中的图像处理》，学习一下Python，OpenCV已经在Python上进行了多个版本的维护，所以相比VS，Python的环境配置相对简单，缺什么库直接安装即可。本系列文章例程都是基于Python3.8的环境下进行，所以大家在进行借鉴的时候建议最好在3.8.0版本以上进行仿真。本文继续来对本书第十章的前5个例程进行介绍。
一. Python准备
如何确定自己安装好了python
win+R输入cmd进入命令行程序
点击“确定”
输入：python，回车
看到Python相关的版本信息，说明Python安装成功。
二. Python仿真
（1）新建一个chapter10_01.py文件，输入以下代码，图片也放在与.py文件同级文件夹下
# -*- coding: utf-8 -*-
# By：Eastmount CSDN 2021-06-07
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('lena.png')
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#均值滤波
result = cv2.blur(source, (10,10))
#用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
#显示图形
titles = ['原始图像', '均值滤波']
images = [source, result]
for i in range(2):
plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
保存.py文件
输入eixt()退出python，输入命令行进入工程文件目录
输入以下命令，跑起工程
python chapter10_01.py
没有报错，直接弹出图片，运行成功！
（2）新建一个chapter10_02.py文件，输入以下代码，图片也放在与.py文件同级文件夹下
# -*- coding: utf-8 -*-
# By：Eastmount CSDN 2021-06-07
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('lena.png')
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#方框滤波
result = cv2.boxFilter(source, -1, (3,3), normalize=0)
#用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
#显示图形
titles = ['原始图像', '方框滤波']
images = [source, result]
for i in range(2):
plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
保存.py文件输入以下命令，跑起工程
python chapter10_02.py
没有报错，直接弹出图片，运行成功！
（3）新建一个chapter10_03.py文件，输入以下代码，图片也放在与.py文件同级文件夹下
# -*- coding: utf-8 -*-
# By：Eastmount CSDN 2021-06-07
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('lena.png')
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#方框滤波
result = cv2.boxFilter(source, -1, (3,3), normalize=1)
#用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
#显示图形
titles = ['原始图像', '方框滤波']
images = [source, result]
for i in range(2):
plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
保存.py文件输入以下命令，跑起工程
python chapter10_03.py
没有报错，直接弹出图片，运行成功！
（4）新建一个chapter10_04.py文件，输入以下代码，图片也放在与.py文件同级文件夹下
# -*- coding: utf-8 -*-
# By：Eastmount CSDN 2021-06-07
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('lena.png')
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#高斯滤波
result = cv2.GaussianBlur(source, (7,7), 1.8)
#用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
#显示图形
titles = ['原始图像', '高斯滤波']
images = [source, result]
for i in range(2):
plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
保存.py文件输入以下命令，跑起工程
python chapter10_04.py
没有报错，直接弹出图片，运行成功！
（5）新建一个chapter10_05.py文件，输入以下代码，图片也放在与.py文件同级文件夹下
# -*- coding: utf-8 -*-
# By：Eastmount CSDN 2021-06-07
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('lena.png')
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#中值滤波
result = cv2.medianBlur(source, 3)
#用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
#显示图形
titles = ['原始图像', '中值滤波']
images = [source, result]
for i in range(2):
plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
保存.py文件输入以下命令，跑起工程
python chapter10_05.py
没有报错，直接弹出图片，运行成功！
三. 小结
本文主要介绍在Python中调用OpenCV库对图像进行图像平滑滤波处理，如均值滤波，方框滤波，高斯滤波，中值滤波等操作。由于本书的介绍比较系统全面，所以会出一个系列文章进行全系列仿真实现，下一篇文章将继续介绍第十章节的最后4例仿真实例，感兴趣的还是建议去原书第十章深入学习理解。每天学一个Python小知识，大家一起来学习进步阿！
本系列示例主要参考杨老师GitHub源码，安利一下地址：ImageProcessing-Python（喜欢记得给个star哈！）