图像噪声抑制（一）：均值滤波

图像噪声

图像噪声是图像在数字化或者传输过程中受到的随机信号的干扰，在图像上出现的一些随机的，离散的，孤立的像素点。这些像素点往往会干扰人眼对图像信息的感知与接收。噪声主要有以下几类：

• 加性噪声
• 乘性噪声
• 量化噪声
• 高斯噪声
• 椒盐噪声
• …

去噪算法

常见的去噪处理有均值滤波，中值滤波，灰度最小方差均值滤波，K近邻平滑滤波，对称近邻均值滤波，西戈玛平滑滤波等。其中均值滤波和中值滤波比较基础并且具有快速、稳定等特性，在很多成熟的软件或者工具包中也集成了这些算法。滤波的思想和卷积思想类似，都涉及窗口运算，只是卷积是用一个卷积核和图像中对应位置做卷积运算，而滤波是在窗口内做相应的操作。本文主要介绍均值滤波。

均值滤波

均值滤波器是一种线性滤波器，它的输出为邻域模板内的像素的简单平均值。主要是用于图像的模糊和降噪。
均值滤波器的实现过程也比较简单：使用滤波器窗口内的像素的平均灰度值代替图像中的像素值，从而使图像“不那么尖锐”，所以均值滤波器在降低噪声的同时也模糊了图像的边缘，即过滤掉与滤波模板尺寸相比较小的像素区域的“不相关”细节。

对图像中每个像素的像素值进行重新计算。假设滑动窗口的大小size为3，上图中的“5”对应的像素是在3*3的邻域窗口内进行计算。最简单的算术均值滤波器的计算过程为：
（1+2+3+4+5+6+7+8+9）/ 9 = 4.4
代码实现：

//方法一：使用opencv工具包
denoise = cv2.fastNlMeansDenoising(img, ksize=3)

# 方法二：使用均值滤波函数cv2.blur()
import cv2
img = cv2.imread('01.jpg')
blur = cv2