使用python代码实现上诉滤波

下面是使用Python代码实现自适应中值滤波的示例：

import cv2
import numpy as np

def adaptive_median_filter(img, maxWindowSize):
    # 定义窗口大小的初始值
    windowSize = 3
    
    # 复制原始图像
    result = img.copy()
    
    # 获取图像宽度和高度
    height, width = img.shape[:2]
    
    # 遍历所有像素点
    for i in range(height):
        for j in range(width):
            # 获取当前像素点的窗口
            window = img[max(0, i - windowSize//2):min(height, i + windowSize//2 + 1), 
                         max(0, j - windowSize//2):min(width, j + windowSize//2 + 1)]
            
            # 对窗口内的像素点进行排序
            sortedWindow = np.sort(window.flatten())
            
            # 计算中值
            median = sortedWindow[len(sortedWindow) // 2]
            
            # 判断中值是否等于当前像素点的灰度值
            if median != img[i, j]:
                # 增加窗口大小
                windowSize += 2
                if windowSize > maxWindowSize:
                    windowSize = maxWindowSize
                # 重新获取窗口
                window = img[max(0, i - windowSize//2):min(height, i + windowSize//2 + 1), 
                             max(0, j - windowSize//2):min(width, j + windowSize//2 + 1)]
                # 重新计算中值
                sortedWindow = np.sort(window.flatten())
                median = sortedWindow[len(sortedWindow) // 2]
            
            # 将中值赋值给当前像素点
            result[i, j] = median
            
    # 返回滤波后的图像
    return result

# 读取原始图像
img = cv2.imread('lena.jpg', 0)

# 自适应中值滤波
result = adaptive_median_filter(img, maxWindowSize=11)

# 显示原始图像和滤波后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Adaptive Median Filtered Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，`adaptive_median_filter` 函数实现了自适应中值滤波的过程。该函数接受原始图像和最大窗口大小作为参数，返回滤波后的图像。在函数内部，我们遍历所有像素点，对每个像素点进行中值滤波。如果中值不等于当前像素点的灰度值，就增加窗口大小，重新计算中值。当窗口大小达到最大值时，不再增加窗口大小。最后返回滤波后的图像。

在示例代码中，我们使用 OpenCV 库来读取和显示图像。你可以将代码中的 `lena.jpg` 替换成其他图像文件，测试自适应中值滤波的效果。