均值滤波和中值滤波的非算法库实现 Python

---

一、滤波是什么？

滤波(Wave filtering)是将信号中特定波段频率滤除的操作，是抑制和防止干扰的一项重要措施，均值滤波和中值滤波都为低通滤波。

二、使用步骤

1.均值滤波

均值滤波是典型的线性滤波算法，是指用当前像素点周围nxn个像素值的均值来代替当前像素值。使用该方法遍历处理图像内的每一个像素点，可完成整幅图像的均值滤波。
邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊（破坏了图像的细节）。
均值滤波对高斯噪声表现较好，对椒盐噪声表现较差。
代码如下：

import numpy as np
#img为待处理图片 kernel为滤波模板
def corr2d(img, kernel):
    h,w = kernel.shape
    #对图像进行镜像填充，边缘填充尺寸加一
    pad_img = np.pad(img, ((1, 1), (1, 1)), 'reflect')
    new_img = np.zeros((pad_img.shape[0]-h+1,pad_img.shape[1]-w+1))
    # print(new_img)
    for i in range(new_img.shape[0]):
        for j in range(new_img.shape[1]):
            new_img[i,j] = ((pad_img[i:i+h,j:j+w]*kernel).sum())/(h*w)
    return  new_img

arry =[[1,3,4,3],
     [2,3,0,8],
     [2,5,9,6],
     [2,3,1,7]]
kernel = [[1,1,1],[1,1,1],[1,1,1]]
ndarry = corr2d(np.array(arry),np.array(kernel))

numpy.pad解释:

ndarray = numpy.pad(array, pad_width, mode, **kwargs)

• array：为要填充的数组
• pad_width：在各个方向上想要填充的长度。
• mode：为填充类型，有“constant”，“edge”，“‘reflect’”等模式。constant模式，指定填充的数值，如果不指定，则默认填充0；edge模式，使用边缘值进行填充；reflect模式，使用镜像值进行填充；

2.中值滤波

中值滤波采用非线性的方法，它在平滑脉冲噪声方面非常有效，同时它可以保护图像尖锐的边缘，选择适当的点来替代污染点的值。对椒盐噪声表现较好，对高斯噪声表现较差。
代码如下：

import numpy as np
def corr2d(img, kernel):
    h,w = kernel.shape
    pad_img = np.pad(img, ((1, 1), (1, 1)), 'reflect')
    new_img = np.zeros((pad_img.shape[0]-h+1,pad_img.shape[1]-w+1))
    # print(new_img)
    for i in range(new_img.shape[0]):
        for j in range(new_img.shape[1]):
            new_img[i, j] = np.median(pad_img[i:i + h, j:j + w] * kernel)
    return  new_img

---