中值滤波python代码实现可处理彩色图像和二值图像

                                                                                             中值滤波

中值滤波的原理：

中值滤波，其原理在于使用卷积核内的中值来代替中心点的值。例如，当一个点值为255时，而周围其他点全都低于120，这时候它就是一个明显的噪点。使用中值滤波时，就会用其他的点代替该点的值。不敢说替换的点就是真值，但是它一定比原来的点更接近真值。

下面将介绍如何使用python代码来实现。（文中所使用的图像为网图，如有侵权请及时联系删除）

from PIL import Image
import numpy as np
class Mdiean_Filter:
     def __init__(self, source_img):
         self.source_img = source_img   #原图
         self.noise_img = './salt_noise.jpg' #加了椒盐噪声之后的图像
         self.mdiean_img = './mdiean_filter.jpg' #中值滤波的图像
         self.k = 3
     def Add_Salt_Noise(self): # 加椒盐噪声
         img = Image.open(self.source_img)
         imgarray = np.array(img)
         height,width = imgarray.shape[0], imgarray.shape[1]
         for i in range(height):
             for j in range(width):
                 if np.random.random(1) < 0.05:
                     if np.random.random(1) < 0.3:
                         imgarray[i][j] = 0
                     else:
                         imgarray[i][j] = 255
         new_img = Image.fromarray(imgarray)
         new_img.save(self.noise_img)
         return imgarray
     def Mdiean_Filtering(self, padding = None): #中值滤波会变为二值图
         img = Image.open(self.noise_img)
         imgarray = np.array(img)
         height, width = imgarray.shape[0], imgarray.shape[1]
         print(imgarray.shape)
         if not padding:
             edge = int((self.k -1)/2)
             if height -1 -edge <=edge or width -1-edge<=edge:
                 print("the kenerl is to long")
                 return  None
             new_arr = np.zeros((height, width,3), dtype='uint8')
             print(new_arr.shape)
             for i in range(height):
                 for j in range(width):
                     if i <=edge -1 or i >= height -1 -edge or  j <=edge -1 or j >= height -1 -edge:
                         new_arr[i, j] = imgarray[i, j]
                     else:
                         new_arr[i, j] = np.median(imgarray[i - edge:i + edge + 1, j -edge:j+edge + 1]) #numpy的代码计算时会把矩阵三个数值变成一样，这也是色彩损失的原因
             new_img = Image.fromarray(new_arr)
             new_img.save(self.mdiean_img)

     def Mdiean_Filter1(self, padding = None): #中值滤波不损失色彩

         imgarray = self.Add_Salt_Noise()
         height, width = imgarray.shape[0], imgarray.shape[1]

         if not padding:
             edge = int((self.k -1)/2)
             if height -1 -edge <=edge or width -1-edge<=edge:
                 print("the kenerl is to long")
                 return  None
             for i in range(height):
                 for j in range(width):
                     if i <=edge -1 or i >= height -1 -edge or  j <=edge -1 or j >= height -1 -edge:
                         imgarray[i][j] = imgarray[i][j]
                     else:

                         num = []
                         for m in range(i - edge, i + edge + 1):
                             for n in range(j -edge, j+edge + 1):
                                 num.append((imgarray[m][n])[0]) #这里通过彩色图像第一个值计算中值也可以改为第二个或者第三个
                         temp = np.median(num)
                         idex_tem = num.index(temp)  #获取中值在数组中的坐标
                         l1 = int((idex_tem / self.k ))- edge + i #根据进制转换反推出中值在图像中的坐标
                         l2 = (idex_tem % self.k )- edge + j
                         print(imgarray[l1][l2])
                         imgarray[i][j] = imgarray[l1][l2] #赋值
                         #num1 = np.sort(num)[int(self.k * self.k / 2)]
                         #print(idex_tem)
                         #temp = np.median(imgarray[i][j], imgarray[i - edge][j], imgarray[i - edge][j])
                         #imgarray[i][j] = np.median(imgarray[i - edge:i + edge + 1, j -edge:j+edge + 1])

             new_img = Image.fromarray(imgarray)
             new_img.save(self.mdiean_img)
if __name__=="__main__":
    example = 'example.jpg'
    filter = Mdiean_Filter(example)
    #filter.Add_Salt_Noise()
    filter.Mdiean_Filter1()