05 -2 Scipy中 face()添加噪声、滤波器的使用、
登月图片消噪
import numpy as np
import matplotlib.pyplot as plt
import scipy.misc as misc
导入图片，观察黑白图片和彩色图片的区别
moon_ndarr = plt.imread("./moonlanding.png")
moon_ndarr
# cmap color map 颜色映射cmap中可以使用的值，有很多可以在错误提示中查看
plt.imshow(moon_ndarr,cmap="gray")
ndarr.shape
结果为：(474, 630)
黑白图片和彩色图片是有区别的，彩色图片是三维数组 行 列 （点）【r g b】
黑白图 是二维数组 行 列 （点）就是单独的一个值了 这个值表示的是亮度
图片的灰度化处理
图片灰度化处理过的， r g b 亮度 把三个值 变成 一个值，取最大值，或者取三个色值的平均值或者取加权平均。
face = misc.face()
plt.imshow(face)
plt.imshow(face.max(axis=-1),cmap="gray")
plt.imshow(face.mean(axis=-1),cmap="gray")
plt.imshow(np.dot(face,ndarr1),cmap="gray")
通过傅里叶变换实现图片降噪
scipy.fftpack模块用来计算快速傅里叶变换,速度比传统傅里叶变换更快，是对之前算法的改进,图片是二维数据，注意使用fftpack的二维转变方法.
plt.imshow(moon_ndarr,cmap="gray")
from scipy.fftpack import fft2,ifft2
# 通过傅里叶变换 把描述值的值 变成 描述变化的值
fft_moon = fft2(moon_ndarr)
#np.abs(fft_moon) # 只关心变化大小 所以这里取一下绝对值
fft_moon[np.abs(fft_moon)> 800] = 0 #把变化很大的值 归零
#ifft2(fft_moon) #找出变化很大的值,把处理后的 描述变化的值变回描述值的值
ifft_moon = np.real(ifft2(fft_moon)) #只要里面的实数
# 按照 处理后的 描述值的值 去渲染
plt.figure(figsize=(12,9))
plt.imshow(ifft_moon,cmap="gray")
图片进行过，添加噪声，对噪声图片使用ndimage中的高斯滤波、中值滤波、signal中维纳滤波进行处理,使图片变清楚
添加噪声
加载图片，使用灰色图片misc.face()添加噪声
#添加噪声
noise = np.random.randint(0,100,size=face.shape)
noise
plt.imshow(noise,cmap="gray")
face = misc.face(gray=True)
test_data =face+noise
plt.imshow(test_data,cmap="gray")
处理噪声
median中值滤波参数size：给出在每个元素上从输入数组中取出的形状位置，定义过滤器功能的输入
gaussian高斯滤波参数sigma：高斯核的标准偏差
signal维纳滤波参数mysize：滤镜尺寸的标量
import scipy.ndimage as ndimage
from scipy.signal import wiener
median_data = ndimage.median_filter(test_data,size=7)
plt.imshow(median_data,cmap="gray")
gaussian_data = ndimage.gaussian_filter(test_data,sigma=2)
plt.imshow(gaussian_data,cmap="gray")
wiener_data = wiener(test_data,mysize = 7)
plt.imshow(wiener_data,cmap="gray")
