python 实现median filter中值滤波器算法

最新推荐文章于 2024-10-29 13:07:44 发布

luthane

最新推荐文章于 2024-10-29 13:07:44 发布

阅读量733

点赞数 4

分类专栏： python_pyqt_pyside 文章标签：算法 python 计算机视觉

本文链接：https://blog.csdn.net/u010634139/article/details/142934728

版权

python_pyqt_pyside 专栏收录该内容

373 篇文章 3 订阅

订阅专栏

median filter中值滤波器算法介绍

中值滤波器（Median Filter）是一种在信号处理和图像处理中广泛应用的非线性滤波技术，主要用于去除噪声，尤其是椒盐噪声（salt-and-pepper noise），同时保留边缘信息。中值滤波器的算法思想是通过将图像或信号中的每个像素或样本值替换为其邻域内的中值来工作。

基本原理

中值滤波器的主要步骤包括：

选取邻域：对于图像中的每个像素，选取一个以其为中心的邻域（通常是矩形，如3x3、5x5等，且邻域内的像素数量为奇数）。
排序：将邻域内的所有像素值进行排序。
替换：将排序后的中间值（即中值）赋给当前像素，作为新的像素值。

算法细节

以二维图像处理为例，中值滤波器的算法可能如下：

分配输出：为输出图像分配与输入图像相同大小的存储空间。
确定窗口大小：选择一个奇数大小的窗口（如3x3、5x5等）。
遍历图像：对于输入图像中的每个像素（i, j），执行以下操作：
构建窗口：以（i, j）为中心，构建指定大小的窗口。
边界处理：对于接近图像边界的像素，可能需要采用特定的边界处理策略（如复制边界像素、忽略边界像素等）。
排序：将窗口内的所有像素值进行排序。
赋值：将排序后的中值赋给输出图像对应位置的像素（i, j）。
输出结果：得到的中值滤波后的图像即为输出结果。

伪代码示例

以下是二维中值滤波算法的一个伪代码示例：

allocate output PixelValue[imagewidth][imageheight]
allocate window[windowwidth*windowheight]
edgex := (windowwidth / 2) rounded down
edgey := (windowheight / 2) rounded down

for x from edgex to imagewidth - edgex
    for y from edgey to imageheight - edgey
        i = 0
        for fx from 0 to windowwidth
            for fy from 0 to windowheight
                window[i] := input PixelValue[x + fx - edgex][y + fy - edgey]
                i := i + 1
        sort entries in window[]
        output PixelValue[x][y] := window[windowwidth*windowheight / 2]

注意事项

核大小：核大小（即窗口大小）必须是奇数，以便有一个明确的中间值。
边界处理：对于接近图像边界的像素，需要特别注意边界处理策略，以防止索引越界。
性能：中值滤波的性能主要受到排序算法和窗口大小的影响。对于大图像或大窗口，排序操作可能非常耗时。
应用场景：中值滤波器特别适用于去除椒盐噪声，同时保持边缘信息。然而，它可能不适用于去除高斯噪声等类型的噪声。

进阶应用

自适应中值滤波器（Adaptive Median Filter, AMF）：根据局部像素的灰度值特征自适应地调整滤波器的大小和形状，以在保持图像细节的同时去除噪声。
快速一维中值滤波器：针对一维数据的优化算法，可以高效地对矩阵的行和列进行滤波操作。

median filter中值滤波器算法python实现样例

中值滤波器是一种常用的图像处理算法，用于去除图像中的椒盐噪声。下面是一个用Python实现中值滤波器算法的例子：

import numpy as np
import cv2

def median_filter(img, kernel_size):
    height, width = img.shape
    pad = kernel_size // 2

    img_pad = np.pad(img, ((pad, pad), (pad, pad)), mode='constant')
    img_filtered = np.zeros_like(img)

    for i in range(height):
        for j in range(width):
            window = img_pad[i:i+kernel_size, j:j+kernel_size]
            img_filtered[i, j] = np.median(window)

    return img_filtered

# 读取输入图像
img = cv2.imread("input.jpg", 0)

# 进行中值滤波处理
filtered_img = median_filter(img, 3) # 使用3x3的窗口进行滤波

# 显示结果
cv2.imshow("Original", img)
cv2.imshow("Filtered", filtered_img)
cv2.waitKey(0)
cv2.destroyAllWindows()