一、题目描述

对下面的图片进行滤波和边缘提取操作，请详细地记录每一步操作的步骤。

滤波操作可以用来过滤噪声，常见噪声有椒盐噪声和高斯噪声，椒盐噪声可以理解为斑点，随机出现在图像中的黑点或白点；高斯噪声可以理解为拍摄图片时由于光照等原因造成的噪声。

二、实现过程

1.加载原图

import cv2 
#加载图片 
img=cv2.imread("test14.bmp",0) 
imgzi = cv2.putText(img, 'original', (40,25),cv2.FONT_HERSHEY_SIMPLEX, 1, (255,0, 0), 2) 
#显示图片 
cv2.imshow('canny', img) 
key = cv2.waitKey(0) 
if key==27: #按esc键时，关闭所有窗口 
print(key) 
cv2.destroyAllWindows()

2.均值滤波

均值滤波是一种最简单的滤波处理，它取的是卷积核区域内元素的均值，用cv2.blur()实现，如3×3的卷积核：

mg=cv2.imread("test14.bmp",0) 
blur = cv2.blur(img, (3, 3))  # 均值模糊
imgzi = cv2.putText(img, 'averagefilter ', (40,25),cv2.FONT_HERSHEY_SIMPLEX, 1, (255,0, 0), 2)

3.中值滤波

中值又叫中位数，是所有数排序后取中间的值。中值滤波就是用区域内的中值来代替本像素值，所以那种孤立的斑点，如0或255很容易消除掉，适用于去除椒盐噪声和斑点噪声。中值是一种非线性操作，效率相比前面几种线性滤波要慢。
img = cv2.imread('test14.bmp', 0)

均值滤波vs中值滤波

median = cv2.medianBlur(img, 5) # 中值滤波
imgzi = cv2.putText(img, 'medianfilter ', (40,25),cv2.FONT_HERSHEY_SIMPLEX, 1, (255,0, 0), 2)

4.高斯滤波

OpenCV中对应函数为cv2.GaussianBlur(src,ksize,sigmaX)：

img = cv2.imread('test14.bmp') 
#高斯滤波 
gaussian = cv2.GaussianBlur(img, (5, 5), 1) # 高斯滤波
imgzi = cv2.putText(img, 'gaussfilter ', (40,25),cv2.FONT_HERSHEY_SIMPLEX, 1, (255,0, 0), 2)

5.高斯边缘检测

原理：首先对图像做高斯滤波，然后再求其拉普拉斯（Laplacian）二阶导数。
即图像与 Laplacian of the Gaussian function 进行滤波运算。
最后，通过检测滤波结果的零交叉（Zero crossings）可以获得图像或物体的边缘。
因而，也被简称为Laplacian-of-Gaussian (LoG)算子。
在第一步的基础上，可以通过拉普拉斯边缘检测来实现这一功能。Laplacian函数简介：dst = cv.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])。

import cv2 
import numpy as np # Load the image in greyscale 
img = cv2.imread('test14.bmp',0) # Apply Gaussian Blur 
blur = cv2.GaussianBlur(img,(3,3),0) # Apply Laplacian operator in some higher datatype 
laplacian = cv2.Laplacian(blur,cv2.CV_64F,5)