python图像处理之K近邻(KNN)平滑滤波器

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