python等值线图平滑_python 简单图像处理（10） 空间域图像平滑
图象平滑的主要目的是减少图像噪声
图像噪声来自多方面，常见的噪声有以下几种：
加性噪声、乘性噪声、量化噪声、椒盐噪声
减少噪声的方法可以在空间域或是在频率域
在空间域，基本方法是求像素的平均值或中值
在频率域，运用的是低通滤波技术
在这里我们只讲空间域的图象平滑。频率域以后有机会再讲
空间域的各种滤波器虽然形状不同，但在空间域实现图像滤波的方法是相似的。
都是利用模板卷积，即将图像模板下的像素与模板系数的乘积求和操作。
我们先来看3×3的模板：
我们先来看看领域平均法：
常用的平滑掩模算子有
我们写程序来实现：
importcvdefFilter(image,array):
w=image.width
h=image.height
size=(w,h)
iFilter=cv.CreateImage(size,8,1)foriinrange(h):forjinrange(w):ifiin[0,h-1]orjin[0,w-1]:
iFilter[i,j]=image[i,j]else:
a=[0]*9forkinrange(3):forlinrange(3):
a[k*3+l]=image[i-1+k,j-1+l]
sum=0forminrange(9):
sum=sum+array[m]*a[m]
iFilter[i,j]=int(sum)returniFilter
H1=[1.0/9]*9H2=[1.0/10]*9H2[4]=0.2H3=[1.0/16,2.0/16,1.0/16,2.0/16,4.0/16,2.0/16,1.0/16,2.0/16,1.0/16]
H4=[1.0/8]*9H4[4]=0
image=cv.LoadImage('lena.jpg',0)
iH1F=Filter(image,H1)
iH2F=Filter(image,H2)
iH3F=Filter(image,H3)
iH4F=Filter(image,H4)
cv.ShowImage('image',image)
cv.ShowImage('iH1F',iH1F)
cv.ShowImage('iH2F',iH2F)
cv.ShowImage('iH3F',iH3F)
cv.ShowImage('iH4F',iH4F)
cv.WaitKey(0)
效果如下：
不同算子间差别很小，至少这幅图是这样的
我们再来看看中值滤波器
中值滤波器不存在算子的概念，只有窗口的概念
选取以某一点为中心的窗口，对窗口中所有点灰度值取中值，将灰度值的中值付给这一点。这就是中值滤波的全部
改造一下刚才的程序：
importcvdefMFilter(image):
w=image.width
h=image.height
size=(w,h)
iMFilter=cv.CreateImage(size,8,1)foriinrange(h):forjinrange(w):ifiin[0,h-1]orjin[0,w-1]:
iMFilter[i,j]=image[i,j]else:
a=[0]*9forkinrange(3):forlinrange(3):
a[k*3+l]=image[i-1+k,j-1+l]
a.sort()
iMFilter[i,j]=a[4]returniMFilter
image=cv.LoadImage('lena.jpg',0)
iMF=MFilter(image)
cv.ShowImage('image',image)
cv.ShowImage('iMF',iMF)
cv.WaitKey(0)
看看效果：
中间为平均值滤波，右边是中值滤波。有没有看出差别？
我们来更直观的看看两种滤波方式对不同信号的处理效果吧
对线性信号，为了处理简单，我用的窗的长度为3
我们从效果可以看出中值平滑只对特别尖锐的信号平滑，而平均值平滑对所有的信号都平滑
所有平均值平滑不仅消除了噪声，还损失了原图中陡峭的边缘
对于含有点，线，尖角较多的图不适应采取中值滤波，他们容易被误认为噪声
好啦，简单的空域平滑滤波就讲到这里了