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
墨林陌12 分钟前
AI 热点日报(2026-11-20):苹果自研 AI 智能体曝光,Anthropic 上市首日大涨,智能体支付落地
人工智能
AAA修煤气灶刘哥15 分钟前
32 GB 内存跑起 1800 亿参数模型,代价是什么?
人工智能·后端·架构
FR02EN77719 分钟前
[LeetCode] 26、80.删除有序数组中的重复项 题解
数据结构·算法
玩美数据38 分钟前
海外市场数据分析驱动下的产业趋势演变与竞争格局深度解读
大数据·人工智能
oil欧哟43 分钟前
Oil Studio 的产品思路与日常使用方式:在 Mac 上录口播演示,并接入 AI Agent 精剪与自动录屏
人工智能·macos
意念回复1 小时前
从 RNN 到 GQA:自注意力与多头注意力机制全解析
人工智能·rnn·深度学习
Flynn Liang1 小时前
AI Agent 分层记忆体系实战:用 Redis 五类结构构建可淘汰、可追溯的长短期记忆
数据库·人工智能·redis
CyrusYiVPP1 小时前
新用户第二周还剩几个?pandas做留存率cohort分析,数据分析实战第6期
人工智能·python
谙弆悕博士2 小时前
多智能体架构详解:网状去中心化架构(Mesh对等P2P)
人工智能·架构·去中心化·p2p·多智能体·智能体·langgraph
吴佳浩8 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu