中值滤波算法及例程

中值滤波是一种常用的非线性图像滤波算法,它能够有效去除图像中的椒盐噪声(即孤立的亮或暗像素点),同时保持图像边缘和细节的清晰度。中值滤波的主要思想是使用一个滑动窗口,在窗口内对像素值进行排序,并将排序后的中间值作为中心像素的新值。

以下是中值滤波的算法步骤:

  1. 定义滑动窗口的大小,通常为一个正方形或矩形。

  2. 在图像上遍历每个像素。

  3. 对于每个像素,获取其周围邻域内的像素值,并将其放入一个数组或列表中。

  4. 对这个数组或列表进行排序,找到其中值。

  5. 将中值赋给当前像素作为滤波后的值。

  6. 重复步骤2-5,直到遍历完整个图像。

中值滤波算法的关键在于选择合适的窗口大小,较小的窗口大小可以更好地保留图像细节和边缘特征,但可能无法有效去除较大的噪声;而较大的窗口大小可以更好地平滑图像,但可能会模糊细节。

需要注意的是,中值滤波算法对于消除椒盐噪声效果良好,但对于其他类型的噪声(如高斯噪声)可能效果不佳。在实际应用中,可以根据具体的噪声类型和需求选择合适的滤波方法。

以下是一个使用Python实现的中值滤波例程:

复制代码
import cv2
import numpy as np

def median_filter(image, kernel_size):
    # 获取图像的宽度和高度
    height, width = image.shape[:2]
    
    # 创建一个与原图像相同大小的空白图像
    filtered_image = np.zeros_like(image)
    
    # 计算中值滤波的卷积核大小
    kernel_half = kernel_size // 2
    
    # 对图像进行遍历
    for i in range(height):
        for j in range(width):
            # 获取每个像素的周围邻域像素
            neighborhood = image[max(0, i - kernel_half):min(height, i + kernel_half + 1),
                                 max(0, j - kernel_half):min(width, j + kernel_half + 1)]
            # 计算邻域像素的中值,并赋值给当前像素
            filtered_image[i, j] = np.median(neighborhood)
    
    return filtered_image

# 读取图像
image = cv2.imread('input.jpg', 0)  # 以灰度图像方式读取

# 应用中值滤波器
filtered_image = median_filter(image, kernel_size=3)

# 显示原图像和滤波后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Filtered Image', filtered_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上代码中,我们定义了一个名为median_filter的函数,它接受一个图像和一个滤波器大小作为参数,并返回滤波后的图像。在函数内部,我们通过遍历图像的每个像素,获取周围邻域像素的值,并使用np.median函数计算中值,然后将中值赋值给当前像素。最后,我们使用cv2.imshow函数显示原图像和滤波后的图像,并使用cv2.waitKey和cv2.destroyAllWindows等函数来管理窗口显示和关闭。

请确保在运行示例代码前,将'input.jpg'替换为你自己的图像文件路径。

相关推荐
AndrewHZ13 分钟前
【图像处理基石】如何入门色彩评估?
图像处理·人工智能·深度学习·色彩科学·hvs·色彩评估·颜色工程
TomatoSCI13 分钟前
聚类的可视化选择:PCA / t-SNE丨TomatoSCI分析日记
人工智能·机器学习
大咖分享课15 分钟前
深度剖析:最新发布的ChatGPT Agent 技术架构与应用场景
人工智能·openai·智能助手·ai代理·chatgpt agent·自主任务执行
lucky_lyovo25 分钟前
卷积神经网络--网络性能提升
人工智能·神经网络·cnn
liliangcsdn30 分钟前
smolagents - 如何在mac用agents做简单算术题
人工智能·macos·prompt
nju_spy34 分钟前
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
人工智能·随机森林·机器学习·集成学习·boosting·bagging·南京大学
呆呆的小鳄鱼35 分钟前
leetcode:冗余连接 II[并查集检查环][节点入度]
算法·leetcode·职场和发展
墨染点香35 分钟前
LeetCode Hot100【6. Z 字形变换】
java·算法·leetcode
沧澜sincerely36 分钟前
排序【各种题型+对应LeetCode习题练习】
算法·leetcode·排序算法
CQ_071236 分钟前
自学力扣:最长连续序列
数据结构·算法·leetcode