数字图像处理——加权均值滤波器

均值滤波器中，模板内像素的权重都为一，其只是简单的像素加法平均

而，加权均值滤波器，对模板中的像素点赋予不同的权重，求的是像素的加权平均，典型的模板，例如高斯模糊，其模板权重呈现钟型的高斯分布：

                                                                                          

下面使用上式表示的模板，实现：

图像数据 ：

导入，要使用的库：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np

 读取图像数据并可视化：

img = Image.open('Fig0333(a)(test_pattern_blurring_orig).tif')
plt.axis('off')
plt.imshow(img, cmap = 'gray')
plt.show()

滤波过程：

定义滤波模板：

kernel = [[1,2,1], [2,4,2], [1,2,1]]

 滤波函数：

def rejector2(img, m, n, kernel):
    num_sum = [sum(i) for i in kernel]
    num_sum = sum(num_sum)
    img_data = np.array(img)
    img_new = [[] for _ in range(np.shape(img_data)[0])]
    a = m // 2
    b = n // 2
    for i in range(np.shape(img_data)[0]):
        for j in range(np.shape(img_data)[1]):
            num = 0
            x = 0
            for k in range(i-a, i+a+1, 1):
                y = 0
                for l in range(j-b, j+b+1, 1):
                    c = k>=0 and k<np.shape(img_data)[0]
                    d = l>=0 and l<np.shape(img_data)[1]
                    #依然使用0填充
                    if c and d:
                        #计算模板中像素的加权之和
                        num += img_data[k][l] * kernel[x][y]
                    y += 1
                x += 1
            #求平均值
            num = num / num_sum
            img_new[i].append(int(num))
    return img_new

 测试结果，可视化：

img_new = rejector2(img, len(kernel), len(kernel[0]), kernel)

plt.figure(figsize=(25,25))
plt.subplot(131)
plt.axis('off')
plt.imshow(img_new, cmap = 'gray')

plt.subplot(132)
plt.axis('off')
plt.imshow(new_img[0], cmap = 'gray')

plt.subplot(133)
plt.axis('off')
plt.imshow(img, cmap = 'gray')
plt.show()

 左侧为加权均值滤波，中间为平滑线性滤波，右侧为原图像