python-opencv（7）：图像平滑处理

关注

VIP免费原创最新推荐文章于 2025-08-18 18:01:57 发布 5.1k 阅读 AI 写同款· GEO 优化 ›

HLM（多层线性模型）在stata中语句在阅读CEPS中发现有些研究采用的是HLM模型，HLM简单来说用一个方程跑两个回归。举例，对学习成绩影响因素，不同层有不同的影响，如在个体层面上个体特征会对成绩产生影响，在学校层面学校排名等因素会对成绩产生影响，两种因素不在一个层面，每层造成的差异都不相同。在找相关语句时候发现操作这个语句的软件大多是SPSS和HLM，对于stata操作者并不友好。因此，在有限资料中总结了HLM在stata中的语句，后面会附上学习视频和链接。先放语句，后面对方程式一个大致解析。由于针对HLM有一本书的介绍，可能一篇文章无阅读详情

1.均值滤波

语法：

dst=cv2.blur(src,dsize)

程序示例：

import cv2
img=cv2.imread("1.png",cv2.IMREAD_UNCHANGED)
result=cv2.blur(img,(5,5))
cv2.imshow("lena",img)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

结果：

2.方框滤波

语法：

dst=cv2.boxFilter(src,depth,dsize,normalize)

normalize：是否对目标图像进行归一化处理

noamalize=ture：和均值滤波相同

normalize=false：容易发生溢出

程序示例：

import cv2
img=cv2.imread("1.png",cv2.IMREAD_UNCHANGED)
result=cv2.boxFilter(img,-1,(5,5),normalize=1)
result1=cv2.boxFilter(img,-1,(5,5),normalize=0)
cv2.imshow("lena",img)
cv2.imshow("result",result)
cv2.imshow("result1",r