边界保持类平滑滤波器——思想
为了解决图像模糊问题,一个自然的想法就是,在进行平滑处理时,首先判别当前像素是否为边界上的点,如果是,则不进行平滑处理;如果不是,则进行平滑处理。
K近邻(KNN)平滑滤波器—— 原理分析
边界保持滤波器的核心是确定边界点与非边界点。
如图所示,点1是黄色区域的非边界点,点2是蓝色区域的边界点。
点1模板中的像素全部是同一区域的;
点2模板中的像素则包括了两个区域。
在模板中,分别选出5个与点1或点2灰度值最相近的点进行计算,则不会出现两个区域信息的混叠平均。
这样,就达到了边界保持的目的。
K近邻(KNNF)均值滤波器—— 实现算法
(1) 以待处理像素为中心,作一个m*m的作用模板。
(2)在模板中,选择K个与待处理像素的灰度差为最小的像素。
(3)将这K个像素的灰度均值替换掉原来的像素值。
python代码
```python
#自定义图像矩阵
img= np.array([[1,2,1,4,3