作業(yè)題目：

對(duì)lena圖像加入椒鹽噪聲，強(qiáng)度為30%，分別采用均值濾波，中值濾波進(jìn)行處理。并討論不同尺度的模板對(duì)結(jié)果的影響。

作業(yè)代碼及內(nèi)容展示和分析：

##lena加入椒鹽噪聲效果圖

1、噪聲強(qiáng)度為5%

2、噪聲強(qiáng)度為30%

代碼展示：

import cv2 as cv

import random as rd

import matplotlib.pyplot as plt

lena = cv.imread(‘lena.jpeg’,0)

def saltNoise_image(im,var): #生成椒鹽噪聲圖函數(shù)

w,h = im.shape

saltNoiseNum = int(w*h*var) #噪聲總的點(diǎn)數(shù)

for i in range(saltNoiseNum): #在圖像找n個(gè)點(diǎn)加入噪聲

x = rd.choice(range(w))

y = rd.choice(range(h))

if im[x,y] < 127:

im[x,y] = 255

else:

im[x,y] = 0

return im

def filterImage(im): #濾波函數(shù)

im = cv.cvtColor(im,cv.COLOR_BGR2RGB)

ksize = [3,5,7]

im_filter = [[cv.blur(im,(i,i)), #均值濾波

cv.medianBlur(im,i), #中值濾波

cv.GaussianBlur(im,(i,i),0,0)] #高斯濾波

for i in ksize]

plt.figure(‘濾波結(jié)果’) #創(chuàng)建窗口

x = 0

for i in range(3):

for j in range(3):

x += 1

plt.subplot(3,3,x) #生成9個(gè)子窗口

plt.imshow(im_filter[j][i]),plt.axis(‘off’) #顯示圖像

plt.tight_layout(0,0.1,0)

plt.show()

new_lena = saltNoise_image(lena,0.3) #傳入圖片和噪聲比例

filterImage(new_lena) #濾波

（1）采用卷積子大小為[3,5,7],噪聲強(qiáng)度為5%，采用中值、均值、高斯濾波，其效果圖如下：

（2）采用卷積子大小為[3,5,7],噪聲強(qiáng)度為30%，采用中值、均值、高斯濾波，其效果圖如下：

分析：

當(dāng)對(duì)lena圖像加入脈沖噪聲時(shí)，不管強(qiáng)度是5%還是30%，所采用的中值和高斯濾波的效果都不理想，而采用中值濾波的效果卻有明顯的改善；且當(dāng)卷積由3→5→7增大時(shí)，去除噪聲干擾的效果越好，但是相對(duì)而說(shuō)圖像變得更加的模糊，丟失了更多的細(xì)節(jié)。由于對(duì)lena圖像加入脈沖噪聲導(dǎo)致原圖的結(jié)構(gòu)遭到了破壞，高斯和中值濾波都是線性濾波器，會(huì)帶入很多的噪聲進(jìn)行計(jì)算，從而使得效果變得越加的不理想，而中值濾波是非線性濾波器，對(duì)噪聲的依賴(lài)較低，所以它的濾波效果要明顯的優(yōu)于另外兩種的濾波效果。

總結(jié)

以上是生活随笔為你收集整理的现代数字图像处理作业———对lena图像进行简单处理[通俗易懂](北京现代汽车官方网站)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。