图像中值滤波器python实现

中值滤波器原理

图像处理中最著名的统计排序滤波器是中值滤波器，即用一个预定义的像素领域中的灰度中值来代替像素的值：

其中是以（x,y）为中心的领域，包含中心点自己，在领域中找到中值，并用中值代替中心点的像素值。例如，对于图像中的一个像素点a，其灰度值为6，我们取大小为3×3的领域，灰度值如下表所示：

1	2	3
7	6	99
8	5	4

我们进行排序后发现其中值为5，故使用5来代替原来的灰度值6。很显然，在小区域内正常像素差距较小，故使用中值替代时所造成的差异较小，但是中值滤波器能很好的降低某些随机噪声，例如上例中的99，尤其对于椒盐噪声有很好的滤除效果。

Python实现

import cv2
import numpy as np
import matplotlib.pyplot as plt

def noise(img,snr):
    h=img.shape[0]
    w=img.shape[1]
    img1=img.copy()
    sp=h*w                                    # 计算图像像素点个数
    NP=int(sp*snr) 
    randx=1
    randy=1                           # 计算图像椒盐噪声点个数
    for i in range (NP):
        while(img1[randx,randy]==0 or img1[randx,randy]==255):   
#确保随机得到的像素没有被污染
            randx=np.random.randint(1,h-1)          # 生成一个 1 至 h-1 之间的随机整数
            randy=np.random.randint(1,w-1)           # 生成一个 1 至 w-1 之间的随机整数
        if np.random.random()<=0.5:          # np.random.random()生成一个 0 至 1 之间的浮点数
            img1[randx,randy]=0                     #随机放置椒噪声、盐噪声
        else:
            img1[randx,randy]=255
    return img1

def median(img,size):                           #img为输入图像  size为中值滤波器大小
    height=img.shape[0]
    wide=img.shape[1]
    img1 = np.zeros((height, wide), np.uint8)                   #用于存放新的图像
    for i in range (1,height-1):
        for j in range (1,wide-1):
            Adjacent_pixels = np.zeros(size*size, np.uint8)
            s=0
            for k in range (-1*int(size/2),int(size/2)+1):
                for l in range (-1*int(size/2),int(size/2)+1):
                    Adjacent_pixels [s]=img[i+k,j+l]
                    s+=1
            Adjacent_pixels .sort()                                  #寻找中值
            median=Adjacent_pixels [int((size*size-1)/2)]           #将中值代替原来的中心值
            img1[i,j]=median
    return img1

image = cv2.imread('D:11/33.jpg',cv2.COLOR_BGR2GRAY)

imagen = noise(image,0.3)                    #添加噪声

plt.subplot(1, 3, 1)
plt.imshow(image,plt.cm.gray)
plt.title('original')
plt.subplot(1, 3, 2)
plt.imshow(imagen,plt.cm.gray)
plt.title('noise')
image1=median(imagen,3)
plt.subplot(1, 3, 3)
plt.imshow(image1,plt.cm.gray)
plt.title('median')
plt.show()

实现结果

可以看出，中值滤波器对椒盐噪声的去除效果强差人意。