一、實現方法

濾波算法主要包括均值濾波，高斯濾波，中值濾波和雙邊濾波。
每種算法都有自己的特點，建議從原理上了解每種算法的優缺點。上圖給出簡潔版的總結。
以下是代碼：

import numpy as np
import cv2
import matplotlib.pyplot as plt
######## ? ? 四個不同的濾波器 ? ?#########
img = cv2.imread('cat.jpg')

# 均值濾波
img_mean = cv2.blur(img, (5,5))

# 高斯濾波
img_Guassian = cv2.GaussianBlur(img,(5,5),0)

# 中值濾波
img_median = cv2.medianBlur(img, 5)

# 雙邊濾波
img_bilater = cv2.bilateralFilter(img,9,75,75)

# 展示不同的圖片
titles = ['srcImg','mean', 'Gaussian', 'median', 'bilateral']
imgs = [img, img_mean, img_Guassian, img_median, img_bilater]

for i in range(5):
? ? plt.subplot(2,3,i+1)#注意，這和matlab中類似，沒有0，數組下標從1開始
? ? plt.imshow(imgs[i])
? ? plt.title(titles[i])
plt.show()
?

二、代碼
運行結果
一、實現方法
自適應中值濾波算法有兩個處理層次：
**層次A：**若zmin<zmed<zmax，則轉移到層次B；
否則，增Sxy尺 寸，
若Sxy<Smax，則重復層次A；否則，輸出zmed。
**層次B：**若zmin<zxy<zmax，則輸出zxy；否則，輸出zmed。
既然是中值濾波，那處理椒鹽這類沖激噪聲肯定比較合適，自適應中值濾波能在有效去除沖激噪聲的基礎上，平滑其他非沖激噪聲，減少失真，保留圖像細節，而對于同等大小的中值濾波器，則會損失較多的細節。原理性內容書中有詳細的介紹~
運行環境：Python+anaconda
直接上代碼（因為是逐個像素操作，所以運行有點慢）

二、代碼
# -*- coding:utf-8 -*-
"""
作者：YJH
日期：2021年10月19日
"""
import matplotlib.pyplot as plt
import cv2 as cv
import numpy as np
# from functools import reduce ? ? ? ? ? ? ? # 導入reduce，將一個函數作用在一個序列上，并且序列內容自動累計

# 顯示漢字
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 定義坐標數字字體及大小
def label_def():
? ? plt.xticks(fontproperties='Times New Roman', size=8)
? ? plt.yticks(fontproperties='Times New Roman', size=8)

# 讀取圖片
img_saltpep = cv.imread('ckt_saltpep_prob_pt25.tif', 0) ? ? ? ? ? ? ? # 灰度圖，噪聲密度50%

def auto_median_filter(image, max_size):
? ? origen = 3 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 初始窗口大小
? ? board = origen//2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 初始應擴充的邊界
? ? # max_board = max_size//2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 最大可擴充的邊界
? ? copy = cv.copyMakeBorder(image, *[board]*4, borderType=cv.BORDER_DEFAULT) ? ? ? ? # 擴充邊界
? ? out_img = np.zeros(image.shape)
? ? for i in range(image.shape[0]):
? ? ? ? for j in range(image.shape[1]):
? ? ? ? ? ? def sub_func(src, size): ? ? ? ? ? ? ? ? ? ? ? ? # 兩個層次的子函數
? ? ? ? ? ? ? ? kernel = src[i:i+size, j:j+size]
? ? ? ? ? ? ? ? # print(kernel)
? ? ? ? ? ? ? ? z_med = np.median(kernel)
? ? ? ? ? ? ? ? z_max = np.max(kernel)
? ? ? ? ? ? ? ? z_min = np.min(kernel)
? ? ? ? ? ? ? ? if z_min < z_med < z_max: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 層次A
? ? ? ? ? ? ? ? ? ? if z_min < image[i][j] < z_max: ? ? ? ? ? ? ? ? ? ? ? # 層次B
? ? ? ? ? ? ? ? ? ? ? ? return image[i][j]
? ? ? ? ? ? ? ? ? ? else:
? ? ? ? ? ? ? ? ? ? ? ? return z_med
? ? ? ? ? ? ? ? else:
? ? ? ? ? ? ? ? ? ? next_size = cv.copyMakeBorder(src, *[1]*4, borderType=cv.BORDER_DEFAULT) ? # 增尺寸
? ? ? ? ? ? ? ? ? ? size = size+2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 奇數的核找中值才準確
? ? ? ? ? ? ? ? ? ? if size <= max_size:
? ? ? ? ? ? ? ? ? ? ? ? return sub_func(next_size, size) ? ? # 重復層次A
? ? ? ? ? ? ? ? ? ? else:
? ? ? ? ? ? ? ? ? ? ? ? return z_med
? ? ? ? ? ? out_img[i][j] = sub_func(copy, origen)
? ? return out_img

if __name__ == '__main__': ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 運行當前函數

? ? img_auto_filter = auto_median_filter(img_saltpep, 7)
? ? img_median = cv.medianBlur(img_saltpep, 7)
? ? # img_re_median = cv.medianBlur(img_auto_filter, 3) ? ? ? ? ? ? ? ? ? ? ? ? ? # 兩次3x3的中值濾波效果才能差不多
? ? plt.subplot(131), plt.imshow(img_saltpep, "gray"), plt.title('椒鹽噪聲密度50%', fontsize='small'), label_def()
? ? plt.subplot(132), plt.imshow(img_auto_filter, "gray"), plt.title('自適應中值濾波', fontsize='small'), label_def()
? ? plt.subplot(133), plt.imshow(img_median, "gray"), plt.title('中值濾波', fontsize='small'), label_def()
? ? # plt.subplot(144), plt.imshow(img_re_median, "gray"), plt.title('再中值濾波', fontsize='small'), label_def()

? ? plt.show()
?

總結

以上是生活随笔為你收集整理的（Python数字图像处理）自适应中值滤波算法的全部內容，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。