中值滤波器和双边滤波器（python实现）

1.中值滤波

优点：对椒盐噪声处理比较好
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。

（1）函数

medianBlur(src, ksize, dst=None):
src:输入的原始图像；
Ksize:卷积核的大小（一个整数即可）；
Dst:输出图像；
注：当ksize大小为3或者5的时候，图像的位深应该是CV_8U, CV_16U, 或者 CV_32F。

（2）代码

import os
import cv2
import numpy as np

def MediumFilter(img_path='images/lenna_PapperNoise.png'):
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(450,450))
    img=cv2.medianBlur(img,ksize=3)
    cv2.imshow('img',img)
    cv2.imshow('img_src',img_src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    print('Pycharm')
    MediumFilter()

可以看到对于椒盐噪声的处理确实比较不错。

关于怎么生成椒盐噪声，方盒滤波，均值滤波：https://mydreamambitious.blog.csdn.net/article/details/125173270
关于高斯滤波：https://blog.csdn.net/Keep_Trying_Go/article/details/125203273

---

2.双边滤波

优点：可以保留边缘，在保留边缘的同时对边缘内的区域进行平滑处理
（进行美化）。

（1）函数讲解

bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None):
参数讲解：
Src:输入的原始图像；
D:过滤期间使用的每个像素邻域的直径。如果为非正，则从sigmaSpace计算。
sigmaColor:颜色空间过滤器的sigma值，该参数的值越大，意味着像素邻域内的更多颜色将混合在一起，从而产生更大的半等色区域。
sigmaSpace:，如果该值较⼤，则意味着颜⾊相近的较远的像素将相互影响，从⽽使更⼤的区域中⾜够相似的颜⾊获取相同的颜⾊。当d>0时，d指定了邻域⼤⼩，那么不考虑sigmaSpace值，否则d正⽐于sigmaSpace.
Dst:输出图像；
borderType:⽤于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT.

（2）关于d,sigmaColor和sigmaSpace的值选择

（1）一般为了简化，sigmaColor和sigmaSpace可以设置相同的值（下面都用sigma表示两者），如果sigma的值小于10的话，不会产生太大的影响；如果大于150的话，将产生非常强的影响（使图片卡通画）。
（2）如果选择的d大于5的话，那么执行将会非常慢，所以建议对于实时应用使用d=5；如果对于强噪声的，可以将d=9。

（3）代码实现

import os
import cv2
import numpy as np

def BilateralFilter_11(img_path='images/lenna.png'):
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(450,450))
    img=cv2.bilateralFilter(img,5,11,11)
    cv2.imshow('img',img)
    cv2.imshow('img_src',img_src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


def detectBilateralFilter():
    cap=cv2.VideoCapture(0)
    while cap.isOpened():
        OK,frame=cap.read()
        img_src = cv2.imread(frame)
        img = cv2.resize(src=img_src, dsize=(450, 450))
        img = cv2.bilateralFilter(img, 5, 11, 11)
        cv2.imshow('img', img)
        if cv2.waitKey(1)&0XFF==27:
            break
    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    print('Pycharm')
    # BilateralFilter_11()
    # detectBilateralFilter()
    BilateralFilter_155()

当sigmaColor和sigmaSpace的值大于150时：

def BilateralFilter_155(img_path='images/lenna.png'):
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(450,450))
    img=cv2.bilateralFilter(img,5,155,155)
    cv2.imshow('img',img)
    cv2.imshow('img_src',img_src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()