数字图像处理python实现-图像去噪之空间域平滑线性滤波

平滑线性滤波器

图像去噪这一块内容庞杂，我本来打算和形态学处理一样用一篇博客介绍完整，但是当所有目录列出来后，还是打算分4篇博客进行介绍分别为空间域3篇和频率域1篇

这篇博客主要是空间域线性滤波

噪声类型为：

1. 高斯噪声，
2. 白噪声，
3. 胡椒噪声，

效果方面为：

1. 不(或者是非刻意)保边缘
2. 保边缘

均值滤波

善于高斯噪声，其中分为两类均值滤波分别为：算术均值，几何均值

算术均值：即求模板内的像素值平均值，理解：

1. 假如当前点为平滑区域的点，那么与周围像素一起算均值后，其值必定保持不变
2. 假如当前点为噪声点，那么与周围像素一起算均值后，其值必定减小，达到去噪效果
3. 如果当前点为边缘区域的点，那么与周围像素一起算均值后，其值必定减小，则使得边缘变得模糊

几何均值：算是一个鸡肋滤波，基本无法使用，虽然可以有保边缘的作用，但是效果并不突出，在博客后面我补充了一个新的保边缘滤波故这里不做介绍

故算术均值滤波去高斯噪声不保边缘
代码如下: 其中不包含

import cv2
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np


def show(f, s, a, b, c):
    plt.subplot(a, b, c)
    plt.imshow(f, "gray")
    plt.axis('on')
    plt.title(s)


# 高斯噪声函数单行
def wgn(x, snr):
    snr = 10 ** (snr / 10.0)
    xpower = np.sum(x ** 2) / len(x)
    npower = xpower / snr
    return np.random.randn(len(x)) * np.sqrt(npower)


def main():
    original = plt.imread("lena.tiff", 0)
    rows, cols = original.shape
    original_noise = original.copy().astype(np.float64)

    # 生成噪声图像，信噪比为10
    for i in range(cols):
        original_noise[:, i] += wgn(original_noise[:, i], 10)

    mask = np.ones(9).reshape(3, 3)
    ImageDenoise = np.zeros(original.shape)
    for i in range(1, rows - 1):
        for j in range(1, cols - 1):
            ImageDenoise[i, j] = np.mean(original[i - 1:i +