目錄

原理（岡薩雷斯第四版p235）：

?代碼：

結果：

---

原理（岡薩雷斯第四版p235）：

?代碼：

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) # 補零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(): # 定義坐標數字字體及大小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('椒鹽噪聲', fontsize='small'), label_def()plt.subplot(132), plt.imshow(img_median, "gray"), plt.title('中值濾波', fontsize='small'), label_def()plt.subplot(133), plt.imshow(out, "gray"), plt.title('自適應中值濾波', fontsize='small'), label_def()plt.show()

結果：

?原文描述：

自適應中值濾波器的另一個優點是它會在試圖保留圖像細節的同時平滑非沖激噪聲,而傳統中值濾波器是做不到這一點的。

可見實驗結果證實了這一點！

總結

以上是生活随笔為你收集整理的python实现自适应中值滤波器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。