图像降噪算法python代码怎么写？

以下是一个简单的Python代码示例，用于使用中值滤波器实现图像降噪：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 中值滤波器去除噪声
denoised_img = cv2.medianBlur(img, 5)

# 显示原始图像和降噪后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Denoised Image', denoised_img)

# 等待按下任意键
cv2.waitKey(0)

# 释放窗口
cv2.destroyAllWindows()

在上面的代码中，我们使用OpenCV库中的`cv2.medianBlur()`函数来应用中值滤波器。这个函数使用一个核大小（在这里是5）来计算每个像素的中值。这个值被用来代替原始像素值，从而去除噪声。

在使用这个代码之前，你需要确保已经安装了OpenCV库。可以通过运行以下命令来安装它：

pip install opencv-python

相关问题

非局部均值降噪算法python

非局部均值（Non-local Means, NLM）是一种图像去噪算法，它利用了像素之间的空间相关性和相似性的统计特性来去除噪声。在Python中，你可以使用开源库如scikit-image（skimage）或者自定义实现来应用NLM。

以下是一个简单的步骤概述：

1. **导入必要的库**：

   from skimage import io, img_as_float, restoration

2. **读取图像并转换为浮点数**：

   image = io.imread('input_image.jpg', as_gray=True)
   noisy_image = img_as_float(image)

3. **设置NLM参数**：
- **patch_size**: 小窗口大小用于计算相似度。
- **search_radius**: 搜索周围像素范围。
- **sigma**: 变分平滑的参数。

   patch_size = 9
   search_radius = 5
   sigma = 10

4. **应用NLM去噪**：

   denoised_image = restoration.nl_means_denoising(noisy_image, h=patch_size, multichannel=False, fast_mode=True, sigma=sigma, patch_distance=1, radius=search_radius)

`fast_mode`选项加速处理过程，如果需要更精确的结果可以关闭它。

5. **保存结果**：

   io.imsave('denoised_image.jpg', denoised_image)

图像去噪算法python实现

以下是图像去噪的Python实现算法：

# 导入所需库
from PIL import Image

# 定义函数，计算中值
def median(img, x, y):
    L = []
    xl = [x-1,x,x+1]
    yl = [y-1,y,y+1]
    for i in xl:
        for j in yl:
            gray = img.getpixel((i, j)) # 取出灰度值
            L.append(gray)
    L.sort()
    c = L<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
-  *1* *2* *3* [python图像降噪](https://blog.csdn.net/qq_42833469/article/details/121581439)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]