图片去噪（高斯，中值，均值，腐蚀，膨胀，开闭，梯度，礼帽）opencv

import cv2
# 读取一个图片
import numpy as np

img=cv2.imread('(1).png')

# 高斯滤波
gao=cv2.GaussianBlur(img,(3,3),0)
# 图片的一个展示
cv2.imshow('gao',gao)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 中值滤波
zhong=cv2.medianBlur(img,3)
cv2.imshow('zhong',zhong)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 均值滤波
jun=cv2.blur(img,(3,3))
cv2.imshow('jun',jun)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 腐蚀 *** 作 iterations迭代次数
he=np.ones((2,2),np.uint8)
fu=cv2.erode(img,he,iterations=1)
cv2.imshow('fu',fu)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 膨胀 *** 作
he1=np.ones((2,2),np.uint8)
peng=cv2.dilate(img,he1,iterations=2)
cv2.imshow('peng',peng)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 开闭运算
# 开：先腐蚀，在膨胀（详细看上面 *** 作）he核可以看上面的也可以重新写
kai=cv2.morphologyEx(img,cv2.MORPH_OPEN,he)
cv2.imshow('kai',kai)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 闭与开相反
bi=cv2.morphologyEx(img,cv2.MORPH_CLOSE,he)
cv2.imshow('kai',bi)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 梯度运算（膨胀腐蚀）
tidu=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,he)
cv2.imshow('tidui',tidu)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 礼帽和黑帽
# 礼帽是原始输入-开运算的结果
limao=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,he)
# 黑帽是闭运算-原始输入
heimao=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,he)

cv2.imshow('limao',limao)
cv2.imshow('heimao',heimao)
cv2.waitKey(0)
cv2.destroyAllWindows()