python手写均值滤波

以下是Python手写均值滤波的示例代码：

def mean_filter(data, window_size):
    filtered_data = []
    half_window = window_size // 2

    for i in range(len(data)):
        start = max(0, i - half_window)
        end = min(len(data), i + half_window + 1)
        window = data[start:end]
        average = sum(window) / len(window)
        filtered_data.append(average)

    return filtered_data

# 示例数据
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
window_size = 3

filtered_data = mean_filter(data, window_size)
print(filtered_data)  # 输出：[2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 9.666666666666666, 10.0]

这段代码实现了一个简单的均值滤波函数`mean_filter`，它接受一个数据列表和窗口大小作为参数，并返回滤波后的数据列表。在每个数据点上，函数会取窗口范围内的数据，计算平均值作为滤波后的值。

相关问题

均值滤波手写python代码

均值滤波是一种常见的图像处理技术，用于平滑图像并减少噪声。在Python中，我们可以使用OpenCV库来实现这个过程。以下是一个简单的例子，展示了如何使用OpenCV进行均值滤波：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('your_image_path.jpg', cv2.IMREAD_GRAYSCALE)

# 定义均值滤波器的大小（这里假设为3x3）
kernel_size = 3

# 使用cv2.blur()函数，它等效于numpy的mean filter
blurred_image = cv2.blur(image, (kernel_size, kernel_size))

# 显示原图和滤波后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Blurred Image', blurred_image)

# 等待用户按键，然后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个代码中，`kernel_size`是你想要应用的滤波器大小，通常较小的值（如3或5）可以提供良好的平滑效果。`cv2.blur()`函数会对图像的每个像素及其周围的像素取平均值，从而实现滤波。

空域均值滤波python 15*15 手写

以下是一个 15*15 的空域均值滤波的 Python 实现：

import cv2
import numpy as np

def mean_filter(img, kernel_size):
    # 获取图像的高度和宽度
    height, width = img.shape

    # 计算 padding 的大小
    padding_size = kernel_size // 2

    # 对图像进行 padding
    img_padding = cv2.copyMakeBorder(img, padding_size, padding_size, padding_size, padding_size, cv2.BORDER_REPLICATE)

    # 创建一个和原图像大小相同的空白图像
    img_filtered = np.zeros((height, width), dtype=np.uint8)

    # 对每个像素进行均值滤波
    for i in range(padding_size, height + padding_size):
        for j in range(padding_size, width + padding_size):
            # 获取当前像素的邻域
            neighborhood = img_padding[i - padding_size:i + padding_size + 1, j - padding_size:j + padding_size + 1]

            # 计算邻域的均值
            mean_value = np.mean(neighborhood)

            # 将均值赋值给当前像素
            img_filtered[i - padding_size, j - padding_size] = mean_value

    return img_filtered

你可以将这个函数应用于任何灰度图像，例如：

# 读取图像
img = cv2.imread('lena.png', cv2.IMREAD_GRAYSCALE)

# 对图像进行均值滤波
img_filtered = mean_filter(img, 15)

# 显示原图像和滤波后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Filtered Image', img_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，这个函数只适用于灰度图像，如果你想对彩色图像进行均值滤波，你需要对每个通道分别进行滤波。