图像的平滑处理_python

一.定义图像与kernel进行卷机

#convolve 
def imgConvolve(img,kernel):
    rows,cols=img.shape
    kernel_rows,kernel_cols=kernel.shape
    padding_rows,padding_cols=int((kernel_rows-1)/2),int((kernel_cols-1)/2)
    
    convolve_rows=rows+2*padding_rows
    convolve_cols=cols+2*padding_cols
    
    img_padding=np.zeros((convolve_rows,convolve_cols))
    img_padding[padding_rows:padding_rows+rows,padding_cols:padding_cols+cols]=img[:,:]
    
    img_convolve=np.zeros((rows,cols))
    
    for i in range(padding_rows,padding_rows+rows):
        for j in range(padding_cols,padding_cols+cols):
            img_convolve[i-padding_rows][j-padding_cols]=int(np.sum(img_padding
                                                                    [i-padding_rows:i+padding_rows+1,
                                                                     j-padding_cols:j+padding_cols+1]*kernel))
    return img_convolve

本次采用的原图像

二.均值滤波

线性滤波算法，用模板中的全体像素的平均值来代替原来像素值，对噪声图像特别是有大的孤立点的图像非常敏感，即使有极少数量点存在较大差异也会导致平均值的明显波动

def imgAverageFilter(img,kernel):
    return imgConvolve(img,kernel)*(1.0/kernel.size)

filter 3x3

kernel=np.random.randint(3,size=(3,3))
img=cv2.imread('IMG_4470.JPG',0)
new_img=imgAverageFilter(img,kernel)
cv2.imwrite('IMG_4470_Average_33.JPG',new_img)

得到图像为：

filter为5x5

kernel=np.random.randint(3,size=(5,5))
new_img=imgAverageFilter(img,kernel)
cv2.imwrite('IMG_4470_Average_55.JPG',new_img)

得到图片为：

filter为7x7

kernel=np.random.randint(3,size=(7,7))
new_img=imgAverageFilter(img,kernel)
cv2.imwrite('IMG_4470_Average_77.JPG',new_img)

得到图片为：

filter 3x3 作用于含gamma噪声的图像

img=cv2.imread('IMG_4470_gamma_noise.jpg',0)
kernel=np.random.randint(3,size=(3,3))
new_img=imgAverageFilter(img,kernel)
cv2.imwrite('IMG_4470_gamma_noise_aveagefilter.jpg',new_img)

含gamma噪声图像为：

处理后得到的图像：

三：高斯滤波

线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程，对整幅图像进行加权平均，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到

def imgGaussianFilter(img,kernel):
    return imgConvolve(img,kernel)*(1.0/np.sum(kernel))

filter3*3

kernel=np.random.randint(3,size=(3,3))
new_img=imgGaussianFilter(img,kernel)
cv2.imwrite('IMG_4470_Gaussian_33.JPG',new_img)

得到图像为：

filter5*5

kernel=np.random.randint(3,size=(5,5))
new_img=imgGaussianFilter(img,kernel)
cv2.imwrite('IMG_4470_Gaussian_55.JPG',new_img)

得到图像为：

filter 7*7

kernel=np.random.randint(3,size=(7,7))
new_img=imgGaussianFilter(img,kernel)
cv2.imwrite('IMG_4470_Gaussian_77.JPG',new_img)

得到图像为：

filter3x3，7x7 ，作用于含高斯噪声的图像

img=cv2.imread('IMG_4470_GaussianNoise.jpg',0)
kernel=np.random.randint(3,size=(3,3))
new_img=imgGaussianFilter(img,kernel)
cv2.imwrite('IMG_4470_Gaussianfilter_33.jpg',new_img)

kernel=np.random.randint(5,size=(7,7))
new_img=imgGaussianFilter(img,kernel)
cv2.imwrite('IMG_4470_Gaussianfilter_77.jpg',new_img)

高斯图像：

高斯3x3去噪：

高斯7x7去噪：

四：中值滤波

中值滤波，非线性平滑技术，优点：避免图像孤立噪声点的影响，保护图像边缘信息，可以很好的过滤掉椒盐噪声；缺点是易造成图像的不连续性

def imgMedianFilter(img,kernel):
    rows,cols=img.shape
    kernel_rows,kernel_cols=kernel.shape
    padding_rows,padding_cols=int((kernel_rows-1)/2),int((kernel_cols-1)/2)
    
    convolve_rows=rows+2*padding_rows
    convolve_cols=cols+2*padding_cols
    
    img_padding=np.zeros((convolve_rows,convolve_cols))
    img_padding[padding_rows:padding_rows+rows,padding_cols:padding_cols+cols]=img[:,:]
    
    img_median=np.zeros((rows,cols))
    
    for i in range(padding_rows,padding_rows+rows):
        for j in range(padding_cols,padding_cols+cols):
            img_median[i-padding_rows][j-padding_cols]=int(np.median(img_padding
                                                                    [i-padding_rows:i+padding_rows+1,
                                                                     j-padding_cols:j+padding_cols+1]))
    return img_median

filter 为 3x3

kernel=np.random.randint(3,size=(3,3))
new_img=imgMedianFilter(img,kernel)
cv2.imwrite('IMG_4470_median_33.JPG',new_img)

得到图像为：

filter 为 5x5

kernel=np.random.randint(3,size=(5,5))
new_img=imgMedianFilter(img,kernel)
cv2.imwrite('IMG_4470_median_55.JPG',new_img)

得到图像为：

filter 为 7x7

kernel=np.random.randint(3,size=(7,7))
new_img=imgMedianFilter(img,kernel)
cv2.imwrite('IMG_4470_median_77.JPG',new_img)

得到图像为：

filter 为 7x7 ,取值范围为[0,4]

kernel=np.random.randint(5,size=(7,7))
new_img=imgMedianFilter(img,kernel)
cv2.imwrite('IMG_4470_median_77_5.JPG',new_img)

得到图像为：

filter 为 7x7 ,取值范围为[0,6]

kernel=np.random.randint(7,size=(7,7))
new_img=imgMedianFilter(img,kernel)
cv2.imwrite('IMG_4470_median_77_7.JPG',new_img)

得到图像为：

filter 为 3x3 ，作用于含椒盐噪声图像

椒盐噪声图像：

去噪后的图像：

kernel=np.random.randint(3,size=(3,3))
new_img=imgMedianFilter(img,kernel)
cv2.imwrite('IMG_4470_PepperandSalt_median.jpg',new_img)