自适应中值滤波python

自适应中值滤波是一种非线性滤波方法，常用于去除图像中的椒盐噪声。它通过对像素周围的邻域进行分析，确定中值滤波器的大小，以达到更好的噪声去除效果。下面是一个简单的 Python 实现：

import cv2
import numpy as np

def adaptive_median_filter(img, max_kernel_size):
    # 获取图像尺寸
    height, width = img.shape[:2]
    # 创建一个与原图像大小相同的空白图像
    filtered_img = np.zeros((height, width), np.uint8)
    # 遍历每一个像素
    for i in range(height):
        for j in range(width):
            # 确定当前像素的邻域大小
            kernel_size = 3
            while kernel_size <= max_kernel_size:
                # 获取邻域
                neighborhood = img[max(i-kernel_size, 0):min(i+kernel_size, height),
                                    max(j-kernel_size, 0):min(j+kernel_size, width)]
                # 计算邻域内的中值和极差
                median = np.median(neighborhood)
                d = np.max(neighborhood) - np.min(neighborhood)
                # 如果当前像素的灰度值不在邻域的灰度值范围内，则继续扩大邻域
                if median - np.min(neighborhood) > 0 and median - np.max(neighborhood) < 0:
                    # 对邻域进行中值滤波
                    filtered_pixel = np.median(neighborhood)
                    break
                # 如果邻域大小已达到最大值，则直接将当前像素的灰度值赋给滤波后的像素
                elif kernel_size == max_kernel_size:
                    filtered_pixel = img[i, j]
                    break
                else:
                    kernel_size += 2
            # 将滤波后的像素值赋给新图像
            filtered_img[i, j] = filtered_pixel
    return filtered_img

这个实现中，我们先创建一个与原图像大小相同的空白图像，然后遍历每一个像素。对于每个像素，我们计算其周围的邻域大小，然后根据邻域内的中值和极差来确定是否需要对邻域进行中值滤波。如果中值不在邻域内，则扩大邻域；如果邻域大小已达到最大值，则直接将当前像素的灰度值赋给滤波后的像素。最后将滤波后的像素值赋给新图像，并返回新图像。