中值滤波/最大值滤波/均值滤波 python实现

美团二面题

  

简单介绍三种滤波的思路:

共同点:三种滤波的方式其实可以理解为卷积操作,只是针对于给定的Filter进行过滤。如果kernel size现在是3*3(如果值都设置为1),则在9个单元格进行处理,没有padding的情况下, 默认从第二行开始。

中值滤波:候选区域的9个点和过滤器的9个点做元素相乘后,将核中心的点赋值为这个9个乘积的中值,如果3*3 的kernel (值都为1),那么做完中值滤波后,此时5的位置为18。

最大值滤波和均值的意思是9个元素逐元素相乘后,取这9个值的最大值和均值。

coding 的思路:考虑padding、stride以及滑窗的动作计算,同时需要知道numpy的几个函数,我当时就给忘记了,尴尬

import numpy as np

def median_filter(input_image,kernel,stride=1,padding=False):
    """
    中值滤波/最大滤波/均值滤波
    :param input_image: 输入图像
    :param filter_size: 滤波器大小
    :return:
    """

    # 填充(默认为1)
    padding_num = 1
    if padding:
        padding_num = int((kernel.shape[0]-1)/2)
        input_image = np.pad(input_image,(padding_num,padding_num),mode="constant",constant_values=0)

    out_image = np.copy(input_image)

    # 填充后的图像大小
    w,h = input_image.shape
    print(input_image.shape,padding_num)

    for i in range(padding_num,w-padding_num,stride):
        for j in range(padding_num,h-padding_num,stride):

            region = input_image[i-padding_num:i+padding_num+1,j-padding_num:j+padding_num+1]
            print(i,j)
            print(region.shape,kernel.shape)
            # 确保 图像提取的局部区域 与 核大小 一致
            assert (region.shape == kernel.shape)
            # 中值滤波np.median,  最大值滤波 np.maximum  均值滤波: np.mean
            out_image[i,j] = np.median(np.dot(region,kernel))



    # 裁剪原图像大小
    if padding:
        out_image = out_image[padding_num:w-padding_num,padding_num:h-padding_num]
    return out_image


if __name__ == '__main__':
    # 随机浮点数, 模仿灰度图
    input_image = np.random.rand(16,16)
    # 标准正态分布
    kernel = np.random.rand(3,3)
    print(input_image.shape,kernel.shape)
    output = median_filter(input_image,kernel)
    print(output.shape)



Python中,可以使用OpenCV库来实现自适应中值滤波去噪的操作。自适应中值滤波是一种在不同区域内根据像素灰度值的变化程度来自动调整滤波器大小的滤波方法。 下面是一个示例代码: ```python import cv2 # 读取图像 image = cv2.imread('image.jpg', 0) # 将图像以灰度模式读取 # 自适应中值滤波 filtered_image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2) # 显示原始图像和滤波后的图像 cv2.imshow('Original Image', image) cv2.imshow('Filtered Image', filtered_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,首先使用`cv2.imread()`函数读取待处理的图像,将图像以灰度模式读取,即第二个参数设置为0。然后使用`cv2.adaptiveThreshold()`函数进行自适应中值滤波操作,其中参数解释如下: - 第一个参数是输入图像。 - 第二个参数是输出图像的最大值。 - 第三个参数是自适应阈值算法的类型,这里选择`cv2.ADAPTIVE_THRESH_MEAN_C`表示使用均值算法。 - 第四个参数是阈值类型,这里选择`cv2.THRESH_BINARY`表示将像素值大于阈值的设置为最大值,小于阈值的设置为0。 - 第五个参数是滤波器大小,即每个像素周围的邻域大小。 - 第六个参数是用于调整阈值的常数。 最后,使用`cv2.imshow()`函数显示原始图像和滤波后的图像,并使用`cv2.waitKey(0)`等待用户按下任意键关闭窗口。 请注意,这里的示例代码仅演示了如何进行自适应中值滤波去噪操作,实际应用中可能需要根据具体需求调整参数和处理流程。同时,确保在运行代码之前,将图像文件路径替换为实际的图像文件路径。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

低吟浅笑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值