import cv2
import numpy as np
import sys
#加椒盐噪声函数
def noise(img):
h, w, _= img.shape
for i in range(2000):
x = np.random.randint(0,h)
y = np.random.randint(0,w)
img[x,y,:] = 255
return img
def medium_filter(img, filter_size):
"""""
img : 加噪声的图
filter_size : 滤波器大小
"""""
h, w = img.shape
#im = np.zeros([h,w],np.uint8) #接受每个像素点,作为最终返回图
pixel = [] #用于保存滤波器内像素
length = filter_size//2
for i in range(h):
if i < length or i > h-2: #像素点是边缘像素的话跳过
continue
for j in range(w):
if j < length or j > w -2: #边缘像素跳过
continue
k_index = length #设置两个滤波器大小相关值,用于从滤波器中取出所有像素
l_index = length
for k in range(filter_size): #对应滤波器大小的遍历
for l in range(filter_size):
pixel.append(img[i-k_index+
中值滤波(利用快排的方法)
最新推荐文章于 2024-09-09 09:49:31 发布
本文介绍了使用快速排序算法进行中值滤波的方法。中值滤波是一种有效的噪声去除技术,通过选取窗口内的中值来替代原始像素值。在Python中,利用快速排序的高效性能,可以快速找到滤波窗口内的中值,从而实现对图像的滤波处理,有效抑制椒盐噪声。
摘要由CSDN通过智能技术生成