图像中值滤波器python实现

中值滤波器原理

图像处理中最著名的统计排序滤波器是中值滤波器，即用一个预定义的像素领域中的灰度中值来代替像素的值：

其中是以（x,y）为中心的领域，包含中心点自己，在领域中找到中值，并用中值代替中心点的像素值。例如，对于图像中的一个像素点a，其灰度值为6，我们取大小为3×3的领域，灰度值如下表所示：

1	2	3
7	6	99
8	5	4

我们进行排序后发现其中值为5，故使用5来代替原来的灰度值6。很显然，在小区域内正常像素差距较小，故使用中值替代时所造成的差异较小，但是中值滤波器能很好的降低某些随机噪声，例如上例中的99，尤其对于椒盐噪声有很好的滤除效果。

Python实现

import cv2
import numpy as np
import matplotlib.pyplot as plt


def noise(img, snr):
    h = img.shape[0]
    w = img.shape[1]
    img1 = img.copy()
    sp = h * w  # 计算图像像素点个数
    NP = int(sp * snr)
    randx = 1
    randy = 1  # 计算图像椒盐噪声点个数
    for i in range(NP):
        while (img1[randx, randy] == 0 or img1[randx, randy]== 255):
            # 确保随机得到的像素没有被污染
            randx = np.random.randint(1, h - 1)  # 生成一个 1 至 h-1 之间的随机整数
            randy = np.random.randint(1, w - 1)  # 生成一个 1 至 w-1 之间的随机整数
        if np.random.random() <= 0.5:  # np.random.random()生成一个 0 至 1 之间的浮点数
            img1[randx, randy] = 0  # 随机放置椒噪声、盐噪声
        else:
            img1[randx, randy] = 255
    return img1


def median(img, size):  # img为输入图像  size为中值滤波器大小
    height = img.shape[0]
    wide = img.shape[1]
    img1 = np.zeros((height, wide), np.uint8)  # 用于存放新的图像
    for i in range(int(size/2), height - int(size/2)):
        for j in range(int(size/2), wide - int(size/2)):
            Adjacent_pixels = np.zeros(size * size, np.uint8)
            s = 0
            for k in range(-1 * int(size / 2), int(size / 2)+1):
                for l in range(-1 * int(size / 2), int(size / 2)+1):
                    Adjacent_pixels[s] = img[i + k, j + l]
                    s += 1
            Adjacent_pixels.sort()  # 寻找中值
            median = Adjacent_pixels[int((size * size - 1) / 2)]  # 将中值代替原来的中心值
            img1[i, j] = median
    return img1


image = cv2.imread(r'11.jpg', cv2.IMREAD_GRAYSCALE)
print(image)

imagen = noise(image, 0.23)  # 添加噪声

plt.subplot(1, 3, 1)
plt.imshow(image, plt.cm.gray)
plt.title('original')
plt.subplot(1, 3, 2)
plt.imshow(imagen, plt.cm.gray)
plt.title('noise')
image1 = median(imagen, 5)
plt.subplot(1, 3, 3)
plt.imshow(image1, plt.cm.gray)
plt.title('median')
plt.show()

实现结果

可以看出，中值滤波器对椒盐噪声的去除效果差强人意。