对bmp图片进行中值滤波和均值滤波并保存

中值滤波和均值滤波是常用的图像处理方法，可以从图像中去除噪声和平滑图像。下面是对bmp图片进行中值滤波和均值滤波的Python代码，并保存处理后的图片。

首先，需要安装Pillow库，可以使用以下命令安装：

!pip install Pillow

然后，读取bmp图片并转换为灰度图像：

from PIL import Image

# 读取bmp图片并转换为灰度图像
img = Image.open("lena.bmp").convert("L")

接下来，定义中值滤波和均值滤波函数：

import numpy as np

def median_filter(img, kernel_size):
    """
    中值滤波
    img: PIL.Image对象，灰度图像
    kernel_size: int，卷积核大小
    """
    w, h = img.size
    img_array = np.array(img)

    # 边缘填充
    pad_size = kernel_size // 2
    img_pad = np.pad(img_array, pad_size, mode="edge")

    # 滤波
    img_filt = np.zeros((w, h), dtype=np.uint8)
    for i in range(w):
        for j in range(h):
            roi = img_pad[i:i+kernel_size, j:j+kernel_size]
            img_filt[i, j] = np.median(roi)

    # 返回PIL.Image对象
    return Image.fromarray(img_filt)

def mean_filter(img, kernel_size):
    """
    均值滤波
    img: PIL.Image对象，灰度图像
    kernel_size: int，卷积核大小
    """
    w, h = img.size
    img_array = np.array(img)

    # 边缘填充
    pad_size = kernel_size // 2
    img_pad = np.pad(img_array, pad_size, mode="edge")

    # 滤波
    img_filt = np.zeros((w, h), dtype=np.uint8)
    for i in range(w):
        for j in range(h):
            roi = img_pad[i:i+kernel_size, j:j+kernel_size]
            img_filt[i, j] = np.mean(roi)

    # 返回PIL.Image对象
    return Image.fromarray(img_filt)

最后，调用中值滤波和均值滤波函数，并保存处理后的图片：

# 中值滤波
img_median = median_filter(img, 5)
img_median.save("lena_median.bmp")

# 均值滤波
img_mean = mean_filter(img, 5)
img_mean.save("lena_mean.bmp")

完整代码如下：

from PIL import Image
import numpy as np

def median_filter(img, kernel_size):
    """
    中值滤波
    img: PIL.Image对象，灰度图像
    kernel_size: int，卷积核大小
    """
    w, h = img.size
    img_array = np.array(img)

    # 边缘填充
    pad_size = kernel_size // 2
    img_pad = np.pad(img_array, pad_size, mode="edge")

    # 滤波
    img_filt = np.zeros((w, h), dtype=np.uint8)
    for i in range(w):
        for j in range(h):
            roi = img_pad[i:i+kernel_size, j:j+kernel_size]
            img_filt[i, j] = np.median(roi)

    # 返回PIL.Image对象
    return Image.fromarray(img_filt)

def mean_filter(img, kernel_size):
    """
    均值滤波
    img: PIL.Image对象，灰度图像
    kernel_size: int，卷积核大小
    """
    w, h = img.size
    img_array = np.array(img)

    # 边缘填充
    pad_size = kernel_size // 2
    img_pad = np.pad(img_array, pad_size, mode="edge")

    # 滤波
    img_filt = np.zeros((w, h), dtype=np.uint8)
    for i in range(w):
        for j in range(h):
            roi = img_pad[i:i+kernel_size, j:j+kernel_size]
            img_filt[i, j] = np.mean(roi)

    # 返回PIL.Image对象
    return Image.fromarray(img_filt)

# 读取bmp图片并转换为灰度图像
img = Image.open("lena.bmp").convert("L")

# 中值滤波
img_median = median_filter(img, 5)
img_median.save("lena_median.bmp")

# 均值滤波
img_mean = mean_filter(img, 5)
img_mean.save("lena_mean.bmp")