自适应中值滤波python课程设计

1. 简介

自适应中值滤波是一种数字图像处理技术，用于去除噪声。该算法可以根据像素周围的灰度值来动态调整滤波器的大小，从而更好地保留图像细节。

本课程设计将介绍如何使用Python编写自适应中值滤波算法，并应用于图像处理。在本课程中，我们将使用Python的NumPy和OpenCV库来实现自适应中值滤波算法。

2. 实现步骤

2.1 加载图像

我们首先需要加载图像。在这个例子中，我们将使用OpenCV库中的imread()函数来加载图像。我们还将使用imwrite()函数保存处理后的图像。

import cv2

# 加载图像
img = cv2.imread('image.jpg')

# 显示原始图像
cv2.imshow('Original Image', img)
cv2.waitKey(0)

# 保存原始图像
cv2.imwrite('original.jpg', img)

2.2 自适应中值滤波算法

接下来，我们将实现自适应中值滤波算法。该算法包括以下步骤：

- 对于每个像素，定义一个初始滤波器尺寸和最大滤波器尺寸。
- 对于每个像素，逐渐增加滤波器的尺寸，直到像素周围的灰度值在滤波器内的范围内。
- 如果滤波器的尺寸超过了最大滤波器尺寸，则将该像素的输出值设置为中值。
- 如果滤波器的尺寸仍在范围内，则计算滤波器内所有像素的中值，并将该值用于输出像素。

以下是自适应中值滤波算法的Python实现：

import numpy as np

def adaptive_median_filter(img, initial_size=3, max_size=7):
    # 获取图像宽度和高度
    height, width = img.shape[:2]
    
    # 将输出图像初始化为零矩阵
    output = np.zeros_like(img)   
    
    # 遍历图像的每个像素
    for y in range(height):
        for x in range(width):
            # 定义初始滤波器尺寸
            size = initial_size
            
            # 定义滤波器内像素列表
            pixels = []
            
            # 循环直到找到合适的滤波器尺寸
            while True:
                # 计算滤波器半径
                radius = size // 2
                
                # 获取滤波器内像素的坐标
                xmin = max(0, x - radius)
                ymin = max(0, y - radius)
                xmax = min(width - 1, x + radius)
                ymax = min(height - 1, y + radius)
                
                # 将滤波器内的像素添加到列表中
                for i in range(ymin, ymax + 1):
                    for j in range(xmin, xmax + 1):
                        pixels.append(img[i, j])
                
                # 如果像素列表为空，则退出循环
                if not pixels:
                    break
                
                # 计算像素列表的中值
                median = np.median(pixels)
                
                # 如果中值在滤波器内的范围内，则输出中值
                if img[y, x] > min(pixels) and img[y, x] < max(pixels):
                    output[y, x] = img[y, x]
                    break
                
                # 如果当前滤波器尺寸大于等于最大滤波器尺寸，则输出中值
                if size >= max_size:
                    output[y, x] = median
                    break
                
                # 增加滤波器尺寸并清空像素列表
                size += 2
                pixels = []
    
    return output

2.3 应用自适应中值滤波算法

我们现在可以将自适应中值滤波算法应用于图像处理。以下是应用算法的Python代码：

# 应用自适应中值滤波算法
output = adaptive_median_filter(img)

# 显示处理后的图像
cv2.imshow('Processed Image', output)
cv2.waitKey(0)

# 保存处理后的图像
cv2.imwrite('processed.jpg', output)

3. 总结

在本课程设计中，我们介绍了如何使用Python编写自适应中值滤波算法，并应用于图像处理。我们使用了Python的NumPy和OpenCV库来实现算法，并给出了完整的Python代码。