python实现中值滤波

中值滤波是一种基于排序统计理论的非线性信号处理技术，它的基本思想是用像素点的中值代替该点的灰度值，从而消除噪声的影响。

Python实现中值滤波的步骤如下：

1. 定义一个滤波窗口，通常是一个正方形或矩形区域。

2. 将窗口中的像素点按照灰度值大小进行排序。

3. 取中间的像素点的灰度值作为该点的新灰度值。

4. 滑动窗口，重复上述过程，直到所有像素点都被处理完成。

下面是一个简单的Python实现中值滤波的代码：

import numpy as np
import cv2

def median_filter(img, kernel_size):
    # 获取图像的行数和列数
    rows, cols = img.shape[:2]

    # 定义一个空白图像用于存储滤波结果
    result = np.zeros((rows, cols), dtype=np.uint8)

    # 扩展原始图像，以便于处理边界像素
    padding = kernel_size // 2
    img = cv2.copyMakeBorder(img, padding, padding, padding, padding, cv2.BORDER_REFLECT)

    # 遍历图像中的每个像素
    for i in range(padding, rows + padding):
        for j in range(padding, cols + padding):
            # 获取当前像素的滤波窗口
            window = img[i - padding:i + padding + 1, j - padding:j + padding + 1]

            # 对窗口中的像素点按照灰度值大小进行排序
            sorted_pixels = np.sort(window.flatten())

            # 取中间的像素点的灰度值作为该像素点的新灰度值
            median_value = sorted_pixels[kernel_size * kernel_size // 2]

            # 将新灰度值存储到结果图像中
            result[i - padding, j - padding] = median_value

    return result

在上述代码中，我们使用了NumPy和OpenCV库来实现中值滤波。其中，`img`是输入的原始图像，`kernel_size`是滤波窗口的尺寸。函数返回一个与原始图像大小相同的结果图像。