用numpy库和pytorch库分别实现图像的均值滤波、中值滤波、最大值滤波、最小值滤波

在Python中，我们可以使用NumPy库和PyTorch库来处理图像滤波操作。以下是各自库中如何实现这些基本滤波方法：

**使用NumPy库：**
NumPy主要用于数值计算，对于简单的图像滤波操作，你可以创建一个合适的大小的数组来表示过滤核，然后利用其卷积函数`np.convolve()`来应用滤波。

import numpy as np

# 假设我们有图片array img
def mean_filter(img, kernel_size=3):
    kernel = np.ones((kernel_size, kernel_size)) / (kernel_size ** 2)
    filtered_img = np.convolve(img, kernel, mode='same')
    return filtered_img

# 同理，其他滤波（中值、最大值、最小值）可以用类似的方式实现，只是核不同：
# 中值滤波：使用大小为kernel_size的二分查找核
def median_filter(img, kernel_size):
    pass

# 最大值/最小值滤波：使用全为1或-1的核
def max_filter(img, kernel_size):
    kernel = np.ones((kernel_size, kernel_size)) * -np.inf if min_value else np.ones((kernel_size, kernel_size))
    ...

**使用PyTorch库：**
PyTorch在处理图像时通常用于深度学习，但它也可以用于基本的图像处理。你可以使用`F`模块的卷积函数，并配合自定义的过滤核：

import torch
import torch.nn.functional as F

# 假设img是一个PyTorch张量
def mean_filter_torch(img, kernel_size=3):
    kernel = torch.ones((kernel_size, kernel_size), dtype=torch.float32) / (kernel_size ** 2)
    filtered_img = F.conv2d(img, kernel, padding=kernel_size // 2)
    return filtered_img

# 使用F.max_pool2d()等函数替换mean_filter_torch()来进行最大值/最小值滤波