中值滤波 python

中值滤波是图像处理中常用的一种滤波方法。常常应用于处理噪声干扰的图像。Python语言提供了一些函数库用于中值滤波。

首先，需要导入相应的python库，如opencv-python和numpy。然后读取要处理的图片，使用cv2.medianBlur()函数进行中值滤波处理。该函数第一个参数为输入的图像，第二个参数为卷积核大小，第三个参数为是否 borderType。其中，卷积核大小必须为奇数。

使用中值滤波的好处是可以在滤波过程中保留图像的边缘特征。但是，在卷积核大小较小的情况下，滤波效果并不是很明显。

在实际应用中，中值滤波经常被用于除噪处理。这种滤波方法可以保留两个像素之间的变化差异情况，同时能够去除掉某些孤立噪声像素，提高图像质量。

相关问题

中值滤波Python

中值滤波是一种非线性的图像处理技术，常用于去除图像噪声，特别是椒盐噪声。在Python中，可以使用OpenCV库来进行中值滤波。以下是基本步骤：

1. **安装依赖**：首先需要安装`opencv-python`库，如果还没有安装，可以用pip命令安装：

   pip install opencv-python

2. **导入所需模块**：

   import cv2
   import numpy as np

3. **读取图片**：

   img = cv2.imread('image.jpg', 0)  # 0表示读取灰度图像

4. **应用中值滤波**：

   kernel_size = 5  # 可调整滤波窗口大小
   blurred_img = cv2.medianBlur(img, kernel_size)

`cv2.medianBlur()`函数接收输入图像和滤波窗口大小作为参数。

5. **显示处理后的结果**：

   cv2.imshow("Original Image", img)
   cv2.imshow("Median Blurred Image", blurred_img)
   cv2.waitKey(0)  # 等待用户按键，0表示无限等待
   cv2.destroyAllWindows()

加权中值滤波 python

加权中值滤波是一种在中值滤波基础上进行改进的滤波方法。相比于传统中值滤波，加权中值滤波在选择中值时引入了权重，使得更接近中心像素的像素值对中值的计算有更大的贡献。

下面是一个使用Python实现加权中值滤波的示例代码：

from PIL import Image
import numpy as np
from scipy.ndimage import generic_filter

def weighted_median(data, weights):
    sorted_data = np.sort(data)
    cum_weights = np.cumsum(weights[np.argsort(data)])
    median_idx = np.searchsorted(cum_weights, np.sum(weights) / 2.0)
    return sorted_data[median_idx]

def weighted_median_filter(image_path, window_size):
    image = Image.open(image_path).convert('L')
    data = np.array(image)
    weights = np.ones(window_size**2)
    filtered_data = generic_filter(data, weighted_median, size=window_size, extra_arguments=(weights,))
    filtered_image = Image.fromarray(filtered_data)
    return filtered_image

image_path = "path_to_image.jpg"
window_size = 3
filtered_image = weighted_median_filter(image_path, window_size)
filtered_image.show()