中值滤波器属于非线性滤波器，其响应基于滤波器所在区域像素的排序中值来决定，中值滤波器对椒盐噪声有比较优秀的降噪能力，同时相比于线性平滑滤波器对图像的模糊程度小很多
中值滤波器计算过程为，对图像某点执行中值滤波，首先要对邻域内像素进行排序，确定它们的中值，并将中值赋值给滤波后的中心像素，例如在一个 滤波器中，中值是第5大的值，在滤波器中，中值是第13大的值
下面以被椒盐噪声污染的电路板图像为例，展示中值滤波的效果
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
| import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
def median_kernel(matrix):
return int(np.median(matrix))
def median_filtering(im, kernel_size):
n = kernel_size
im_padding = np.zeros((im.shape[0]+2*(n-1), im.shape[1]+2*(n-1)))
im_padding[(n-1):(n+im.shape[0]-1), (n-1):(n+im.shape[1]-1)] = im
im_conv = np.zeros((im_padding.shape[0]-n+1, im_padding.shape[1]-n+1))
for i in range(im_padding.shape[0]-n+1):
for j in range(im_padding.shape[1]-n+1):
neighbor = im_padding[i:i+n, j:j+n]
im_conv[i, j] = median_kernel(neighbor)
pos = int((n-1)/2)
im_new = im_conv[pos:(pos+im.shape[0]), pos:(pos+im.shape[1])]
return im_new
|
读取原始图像并显示
1
2
3
| im = cv.imread('images/01.tif', 0)
plt.title('origin')
plt.imshow(im, cmap='gray')
|
进行中值滤波处理
1
2
3
4
| im_k3 = median_filtering(im, 3)
plt.figure()
plt.title('kernel size: 3')
plt.imshow(im_k3, cmap='gray')
|
