OpenCV--Python 图像平滑之中值平滑

中值平滑

原理详解

中值平滑，类似于卷积，也是一种邻域运算，但计算的不是加权求和，而是对邻域中的像素点按灰度值进行排序，然后选择该组中的中值作为输出的灰度值。
在这里插入图片描述

比如，取以图像的位置（1，1）为中心的 3X3 的邻域，对邻域中的像素点灰度值按从大到小进行排序， $[11,21,31,125,141,165,190,234,234]$ 可知，141是该组灰度值的中值，那么输出图像在位置（1，1）的值便为141，以此类推，得到输出图像的所有像素点的灰度值。对边界的处理可采用多种策略，而对边界进行镜像补充是较为理想的一种选择。

中值滤波最重要的能力是去除椒盐噪声。椒盐噪声是指在图像传输系统中由于解码误差等原因，导致图像中出现孤立的白点或者黑点。

Python实现

对于python实现的中值平滑，首先利用命令 $\mathrm{ndarray}[r_1:r_2 + 1, c_1:c_2+1]$ 得到 $\mathrm{ndarray}$ 从左上角至右下角的矩形区域，然后利用 $\mathrm{Numpy}$ 提供的函数median取该区域的中位数。

# -*- coding: utf-8 -*-
import random
import cv2 as cv
import numpy as np

def medianBlur(image, winSize):
    # 图像的高宽
    rows, cols = image.shape
    # 窗口的高宽均为奇数
    winH, winW = winSize
    halfWinH = (winH - 1) // 2
    halfWinW = (winW - 1) // 2
    # 中值滤波后的输出图像
    medianBlurImage = np.zeros(image.shape, image.dtype)
    for r in range(rows):
        for c in range(cols):
            # 判断边界
            rTop = 0 if r - halfWinH < 0 else r - halfWinH
            rBottom = rows - 1 if r + halfWinH > rows - 1 else r + halfWinH
            cLeft = 0 if c - halfWinW < 0 else c - halfWinW
            cRight = cols - 1 if c + halfWinW > cols - 1 else c + halfWinW
            # 取邻线
            region = image[rTop:rBottom+1, cLeft:cRight+1]
            # 求中值
            medianBlurImage[r][c] = np.median(region)
    return medianBlurImage

if __name__ == '__main__':
    image = cv.imread('img6.jpg', 0)
    cv.imshow('src', image)
    # 中值滤波
    medianBlurImage1 = medianBlur(image, (3,3))
    cv.imshow('3x3', medianBlurImage1)
    medianBlurImage2 = medianBlur(image, (15, 15))
    cv.imshow('15x15', medianBlurImage2)
    medianBlurImage3 = medianBlur(image, (25, 25))
    cv.imshow('25x25', medianBlurImage3)
    cv.waitKey(0)
    cv.destroyAllWindows()

下图分别为添加了椒盐噪声的图像，3x3中值滤波后的图像，15x15中值滤波后的图像，25x25中值滤波后的图像。通过中值滤波去除了图像中的黑色孤立点，几乎看不到椒盐噪声的影响，并且随着中值平滑窗口的增加，椒盐噪声会完全消除。而且中值平滑后的效果并没有降低边缘的锐利程度，具有一定的保边作用。

在这里插入图片描述

OpenCV函数

dst = cv.medianBlur(src, ksize[, dst])

参数解释如下：

参数	解释
src	输入矩阵
dst	输出矩阵，其大小和数据类型与src相同
ksize	若为大于1的奇数，则窗口大小为kszie x ksize

Python示例代码

medianBlurImage = cv.medianBlur(image, 3)

总结

中值滤波适用于椒盐噪声，具有保边作用。

调用函数：dst = cv.medianBlur(src, ksize[, dst])

来源：CSDN

作者：CharlesWu123

链接：https://blog.csdn.net/m0_38007695/article/details/103485046

标签

图像平滑

中值滤波

平滑滤波