几何均值滤波代码实现

几何均值滤波是一种图像平滑技术，它通常用于减少噪声，同时保持边缘清晰度。它的原理是通过对邻域像素亮度取几何平均来计算每个像素的新值。这个过程可以看作是对图像数据的一种低通滤波操作。

下面是一个简单的Python代码实现，使用了OpenCV库：

import cv2
import numpy as np

def geometric_mean_filter(image, kernel_size=3):
    # 获取卷积核大小
    kh, kw = kernel_size // 2, kernel_size // 2
    
    # 初始化空白矩阵存放结果
    filtered_image = np.zeros_like(image)
    
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            # 计算当前像素及其周围像素的几何平均
            neighborhood = image[i:i+kh+1, j:j+kw+1]
            if neighborhood.size != 0:  # 防止边界处理导致空数组
                filtered_image[i,j] = np.exp(np.log(neighborhood).mean())
                
    return filtered_image

# 使用示例
input_image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)  # 加载灰度图像
filtered_image = geometric_mean_filter(input_image)
cv2.imshow('Geometric Mean Filtered Image', filtered_image)
cv2.waitKey(0)  # 等待用户按键

在这个例子中，`kernel_size`决定了邻居像素的范围，默认为3x3，可以根据需要调整。注意实际应用中可能还需要对边角和边界像素做特殊的处理。