目录

原理（冈萨雷斯第四版p235）：

 代码：

结果：

---

原理（冈萨雷斯第四版p235）：

 代码：

import cv2 import numpy as np from matplotlib import pyplot as plt# for gray image def auto_median_filter(img, S_max):output = img.copy()def class_B(z_xy, z_med, z_max, z_min):if (z_min < z_xy) & (z_xy < z_max):return z_xyelse:return z_medS_ori = 3copy = cv2.copyMakeBorder(img, *[S_ori // 2] * 4, borderType=cv2.BORDER_DEFAULT) # 补零for i in range(img.shape[0]):for j in range(img.shape[1]):def class_A(copy, S_ori=3):board = S_ori // 2z_med = np.median(copy[i:i + board, j:j + board])z_max = np.max(copy[i:i + board, j:j + board])z_min = np.min(copy[i:i + board, j:j + board])if (z_min < z_med) & (z_med < z_max):output[i, j] = class_B(copy[i, j], z_med, z_max, z_min)else:# next_size = S_ori + 2next_size = cv2.copyMakeBorder(copy, *[1] * 4, borderType=cv2.BORDER_DEFAULT) # 增尺寸S_ori = S_ori + 2if S_ori <= S_max:return class_A(next_size, S_ori)else:output[i, j] = z_medclass_A(copy, 3)return output.astype(np.uint8)def label_def(): # 定义坐标数字字体及大小plt.xticks(fontproperties='Times New Roman', size=8)plt.yticks(fontproperties='Times New Roman', size=8)if __name__ == '__main__':img = cv2.imread('D://pictures//Fig0335(a)(ckt_board_saltpep_prob_pt05).tif', 0)img_median = cv2.medianBlur(img, 7)out = auto_median_filter(img, 7)plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falseplt.subplot(131), plt.imshow(img, "gray"), plt.title('椒盐噪声', fontsize='small'), label_def()plt.subplot(132), plt.imshow(img_median, "gray"), plt.title('中值滤波', fontsize='small'), label_def()plt.subplot(133), plt.imshow(out, "gray"), plt.title('自适应中值滤波', fontsize='small'), label_def()plt.show()

结果：

 原文描述：

自适应中值滤波器的另一个优点是它会在试图保留图像细节的同时平滑非冲激噪声,而传统中值滤波器是做不到这一点的。

可见实验结果证实了这一点！

总结

以上是生活随笔为你收集整理的python实现自适应中值滤波器的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。