首页 > 学术百科

Python+OpenCV中值滤波

中值滤波，图像平滑处理，可消除椒盐噪声，其基本思路是通过滤波器遍历图像，取每个滤波器区域像素值中值为新的像素值。算法思路如下：

（1）输⼊图像并转灰；

一切的一切（2）为灰度图添加椒盐噪声（实验需要，体现中值滤波效果，添加椒盐噪声算法思路参看上⼀篇博⽂）；

（3）遍历像素点，将滤波器区域中的像素值放⼊⼀维数组中；

改性环氧树脂（4）对⼀维数组进⾏选择排序，并将中间值赋给滤波器中⼼，即将遍历到的原图像像素点改为滤波器区域中值；

（5）输出中值滤波后的图像。

代码如下：

import numpy as np

def rgb2gray(img):

麦田里的向日葵

h=img.shape[0]

w=img.shape[1]

s((h,w),np.uint8)

for i in range(h):

for j in range(w):

img1[i,j]=0.144*img[i,j,0]+0.587*img[i,j,1]+0.299*img[i,j,2]

return img1

def noise(img,snr):

h=img.shape[0]

w=img.shape[1]

py()

sp=h*w # 计算图像像素点个数

NP=int(sp*(1-snr)) # 计算图像椒盐噪声点个数

for i in range (NP):

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

else:

img1[randx,randy]=255

return img1

def median(img):

h=img.shape[0]

w=img.shape[1]

ogcimg1 = np.zeros((h, w), np.uint8)

for i in range (1,h-1):复介电常数

for j in range (1,w-1):

temporary = np.zeros(9, np.uint8)

s=0

for k in range (-1,2):

for l in range (-1,2):

temporary[s]=img[i+k,j+l]

s+=1

for y in range (8):

count=y

for x in range (y,8):

if temporary[count]>temporary[x+1]:

count=x+1

temporary[y],temporary[count]=temporary[count],temporary[y]

median=temporary[4]

img1[i,j]=median

return img1

image=cv.imread("D:/Testdata/selina.png")

grayimage=rgb2gray(image)

SNR=0.9 # 将椒盐噪声信噪⽐设定为0.9

noiseimage=noise(grayimage,SNR)

medianimage=median(noiseimage)

cv.imshow("grayimage",grayimage)

cv.imshow("noiseimage",noiseimage)

cv.imshow("medianimage",medianimage)

cv.waitKey(0)

cv.destroyAllWindows()

普利斯特里

从结果中可以清晰的看到椒盐噪声被中值滤波器滤清，效果相对理想。

本文发布于:2024-09-23 01:32:54，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/116790.html

上一篇：数字图像处理一本A卷

下一篇：软件二次开发通用版合同

标签：椒盐噪声图像滤波添加效果像素点区域

留言与评论（共有 0 条评论）