中值滤波(Median Filter)

中值滤波(Median Filter)

中值滤波的中心思想就是逐项地遍历信号,并用相邻信号项的中值替换当前值。这种方法是的滤波处理非常快速,而且对于一维数据集合和二维数据集合(例如图像)都适用。

在下面的例子中,我们使用SciPy 信号 工具箱中的实现。

#! /usr/bin/python3.4
# _*_ encode:utf-8_*_

import numpy as np
import  pylab as p
import scipy.signal as signal

# get some linear data
x = np.linspace(0,3,101)
print('Without noisy:',x)

# add some noisy signal
x[5::10] = 1.5
print('With noisy:',x)
p.plot(x)
p.plot(signal.medfilt(x,3))
p.plot(signal.medfilt(x,5))

p.legend(['original signal', 'length 3', 'length 5'])
p.show()

运行文本输出结果如下:

Without noisy: [ 0.    0.03  0.06  0.09  0.12  0.15  0.18  0.21  0.24  0.27  0.3   0.33
  0.36  0.39  0.42  0.45  0.48  0.51  0.54  0.57  0.6   0.63  0.66  0.69
  0.72  0.75  0.78  0.81  0.84  0.87  0.9   0.93  0.96  0.99  1.02  1.05
  1.08  1.11  1.14  1.17  1.2   1.23  1.26  1.29  1.32  1.35  1.38  1.41
  1.44  1.47  1.5   1.53  1.56  1.59  1.62  1.65  1.68  1.71  1.74  1.77
  1.8   1.83  1.86  1.89  1.92  1.95  1.98  2.01  2.04  2.07  2.1   2.13
  2.16  2.19  2.22  2.25  2.28  2.31  2.34  2.37  2.4   2.43  2.46  2.49
  2.52  2.55  2.58  2.61  2.64  2.67  2.7   2.73  2.76  2.79  2.82  2.85
  2.88  2.91  2.94  2.97  3.  ]
With noisy: [ 0.    0.03  0.06  0.09  0.12  1.5   0.18  0.21  0.24  0.27  0.3   0.33
  0.36  0.39  0.42  1.5   0.48  0.51  0.54  0.57  0.6   0.63  0.66  0.69
  0.72  1.5   0.78  0.81  0.84  0.87  0.9   0.93  0.96  0.99  1.02  1.5
  1.08  1.11  1.14  1.17  1.2   1.23  1.26  1.29  1.32  1.5   1.38  1.41
  1.44  1.47  1.5   1.53  1.56  1.59  1.62  1.5   1.68  1.71  1.74  1.77
  1.8   1.83  1.86  1.89  1.92  1.5   1.98  2.01  2.04  2.07  2.1   2.13
  2.16  2.19  2.22  1.5   2.28  2.31  2.34  2.37  2.4   2.43  2.46  2.49
  2.52  1.5   2.58  2.61  2.64  2.67  2.7   2.73  2.76  2.79  2.82  1.5
  2.88  2.91  2.94  2.97  3.  ]

中值滤波,窗口长度为3和5:
中值滤波运行结果图

从图形中可以看出,窗口越大,信号和原始信号相比失真越严重,但同时看上去也越平滑。

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

ShareWow丶

前人栽树,分享知识,传播快乐。

¥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