均值空间滤波和中值空间滤波

空间滤波由一个邻域（通常是一个较小的矩形），然后对该邻域所包围的图像像素执行预定义操作产生一个新的像素，新像素的坐标等于邻域的中心坐标。

均值滤波器就是对这个区域的像素取平均值给邻域中心的那个像素，它是线性滤波器。
这种处理可以较低图像的“尖锐”变化。常见的应用就是较低噪声，但是一般图象边缘也是由图像灰度尖锐变化带来的特性，所以均值滤波器处理存在着边缘模糊的负面效应。
一般是下面这样的模版。

第二个图是带权值的，一般离中心越近权值越大

代码：

from skimage import io,data
import numpy as np
import matplotlib.pyplot as plt

def mean(x,y,step,img):   #x,y是均值模板中心的那个点 step 是模板大小
    sum = 0
    
    
    for m in range(-int(step/2),int(step/2)+1):
        for n in range(-int(step/2),int(step/2)+1):
                    
            sum = sum + img[x+m][y+n]
    sum = sum/(step*step)
    
    
    return sum

def function(img,step):
    rows,cols = img.shape
    mean_img = np.zeros((rows,cols))

    for i in range(rows):
        for j in range(cols):
            mean_img[i][j] = img[i][j]

    for m in range(int(step),rows - int(step)): #避免模板出界
        for n in range(int(step),cols - int(step)):
            mean_img[m][n] = mean(m,n,step,img)

    return mean_img

if __name__ == '__main__':
    img = io.imread('11.jpg',as_gray = True)
    result = function(img,3)
    plt.figure('mean')
    plt.subplot(221)
    plt.imshow(img)
    plt.subplot(222)
    plt.imshow(result)

    plt.show()

    

中值滤波器，就是对模版区域内的像素进行排序，然后取中值（最大值，最小值）给区域中间的坐标点，这样对整幅图进行处理，这是非线性的滤波器。
中值滤波器对于去除椒盐噪声特别有效，
下边写一个代码，对一幅图像加上椒盐噪声，然后进行中值滤波器的操作看一下效果。

from skimage import io,data
import numpy as np
import matplotlib.pyplot as plt

def mid(x,y,step,img):   #x,y是均值模板中心的那个点 step 是模板大小
    coninter=[]
    
    for m in range(-int(step/2),int(step/2)+1):
        for n in range(-int(step/2),int(step/2)+1):
            coninter.append(img[x+m][y+n])
    coninter.sort()
    
    return coninter[int((step*step)/2)+1]

def function(img,step):
    rows,cols = img.shape
    mid_img = np.zeros((rows,cols))

    for i in range(rows):
        for j in range(cols):
            mid_img[i][j] = img[i][j]

    for m in range(int(step),rows - int(step)): #避免模板出界
        for n in range(int(step),cols - int(step)):
            mid_img[m][n] = mid(m,n,step,img)

    return mid_img


if __name__ == '__main__':
    img = io.imread('bal.png',as_gray = True)
    wids,higs = img.shape
    for k in range(5000):
        x = np.random.randint(0,wids)
        y = np.random.randint(0,higs)
        img[x,y] = 1

    
    result = function(img,3)
    plt.figure('mid')
    plt.subplot(221)
    plt.imshow(img)
    plt.subplot(222)
    plt.imshow(result)

    plt.show()

左边的图是我加了椒盐噪声，右边的图是对它进行了处理，可以看出来效果还是挺好的。