python中对图像进行维纳(wiener)滤波

在MATLAB中直接有个维纳滤波函数wiener2可以调用，觉得很有用，但是在python并没有直接可以调用维纳滤波的函数，看见网上很多的教程都是自己根据原理自己编写的函数，这样也很有用，不过有个直接调用的函数我觉得很方便，最后我发现SciPy库有wiener滤波函数的调用。

我不写维纳滤波的原理，其原理在网上有很多博主写的都很详细、易懂，我在此主要讲一下如何实现SciPy库中wiener的实现。

---

语法：

scipy.signal.wiener
(
  im,
  mysize=None,
  noise=None
)

输入参数：

• im：矩阵ndarray(一个N维矩阵)
• mysize：每个维度滤波窗口的大小，一个标量或者长度为N的列表，最好为奇数值
• noise：使用的噪音功率。如果没有，则估计噪声为输入的局部方差的平均值。

返回参数：

• out：跟im大小相同的维纳滤波的结果

---

举例说明：

from scipy.signal import wiener
import cv2
import numpy as np
import matplotlib.pyplot as plt

def gasuss_noise(image, mean=0, var=0.001):
    '''
        添加高斯噪声
        mean : 均值
        var : 方差
    '''
    image = np.array(image/255, dtype=float)
    noise = np.random.normal(mean, var ** 0.5, image.shape)
    out = image + noise
    if out.min() < 0:
        low_clip = -1.
    else:
        low_clip = 0.
    out = np.clip(out, low_clip, 1.0)
    out = np.uint8(out*255)
    #cv.imshow("gasuss", out)
    return out

if __name__ == '__main__':
    lena = cv2.imread(r'C:\Users\99347\.atom\packages\markdown-preview-plus\node_modules\markdown-it-imsize\test\img\lena.jpg')
    if lena.shape[-1] == 3:
        lenaGray = cv2.cvtColor(lena, cv2.COLOR_BGR2GRAY)
    else:
        lenaGray = lena.copy()

    plt.figure('原图')
    plt.imshow(lenaGray, cmap='gray')

    # 添加高斯噪声
    lenaNoise = gasuss_noise(lenaGray)

    plt.figure('添加高斯噪声后的图像')
    plt.imshow(lenaNoise, cmap='gray')

    # 维纳滤波
    lenaNoise = lenaNoise.astype('float64')
    lenaWiener = wiener(lenaNoise, [3, 3])
    lenaWiener = np.uint8(lenaWiener / lenaWiener.max() * 255)

    plt.figure('经过维纳滤波后的图像')
    plt.imshow(lenaWiener, cmap='gray')
    plt.show()

输出结果：