中值滤波

取中位数，可以处理椒盐噪音

CV自带medianBlur函数
dst = cv2.medianBlur(src, ksize)
参数说明：
1.src: 需要滤波的图片；
2.ksize：核大小，必须是比1大的奇数【举个例子：3，5，7…】

实例代码如下：

import cv2
import numpy as np
img = cv2.imread("F:\est01\e7.png", 1)
dst = cv2.medianBlur(img, 5)
cv2.imshow('img', np.hstack((img, dst)))
cv2.waitKey(0)
cv2.destroyAllWindows()

 结果明显看出用中值滤波处理椒盐效果显著，但对于高斯模糊并不好用

双边滤波

双边滤波对于图形的边缘信息可以更好地保存。其原理为一个与空间距离相关的高斯函数与一个与灰度距离相关的高斯函数相乘。可以实现美颜的效果。

双边滤波采用了两个高斯滤波的结合。一个负责计算空间邻近度的权值，也就是常用的高斯滤波器原理。而另一个负责计算像素值相似度的权值。在两个高斯滤波的同时作用下，就是双边滤波。 

bilateralFilter(src: UMat,d: int,sigmaColor: float,sigmaSpace: float,dst: UMat | None = ...,borderType: int = ...) -> UMat

src : 原图, 8为整形或浮点型，单通道或者3通道；
dst : 与原图同样尺寸，但不能是原图；
d : 滤波核的直径；
sigmaColor : σ r \sigma_rσr

sigmaSpace : σ s \sigma_sσs
​borderType : 用于设置图像边界元素的方式

 

import cv2
import numpy as np
img = cv2.imread("F:\est01\strong.jpg", 1)
dst = cv2.bilateralFilter(img, 7, sigmaColor=50, sigmaSpace=50)
cv2.imshow('img', np.hstack((img, dst)))
cv2.waitKey(0)
cv2.destroyAllWindows()

给茄总加个美颜 ，嘿嘿