欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python滤波与图像如何去噪

程序员文章站 2022-07-18 11:31:33
SciPy - 滤波 与 图像去噪滤波滤波常用于降噪;滤波有多种,中值滤波,均值滤波,等等,说的很高大上,其实很简单,各种滤波原理类似。以中值滤波为例,把每一点的数据用该点指定邻域内数的中位数 代替,如 数据 [1,8,3],邻域大小为3,则8经过滤波后是3,[1,3,8]的中位数;数据可以是多维的,邻域也可以为多维;其过程类似卷积python 中值滤波函数为 scipy.signal.medfilt(signal, kernel_size),第一个参数为信号值,第二个......

SciPy - 滤波 与 图像去噪

滤波

滤波常用于降噪;

滤波有多种,中值滤波,均值滤波,等等,说的很高大上,其实很简单,各种滤波原理类似。

以中值滤波为例,把 每一点的数据 用 该点指定邻域内数的中位数 代替,

如 数据 [1,8,3],邻域大小为3,则8经过滤波后是3,[1,3,8]的中位数;数据可以是多维的,邻域也可以为多维;

python滤波与图像如何去噪

其过程类似卷积

python 中值滤波函数为 scipy.signal.medfilt(signal, kernel_size),第一个参数为信号值,第二个参数为滑框大小,注意第二个参数必须为奇数,即左+1+右;

如果滑框内没数据,以 0 填充

 

python滤波与图像如何去噪

import random
import numpy as np
import scipy.signal as signal

# 一维中值滤波
x=np.arange(0,100,10)
random.shuffle(x)
print x
# [70 20 10 30 40  0 60 80 90 50]
print signal.medfilt(x,3)   # 一维中值滤波
# [20. 20. 20. 30. 30. 40. 60. 80. 80. 50.]


# 二维中值滤波
x=np.random.randint(1,1000,(4,4))
print x
# [[711  77 365 518]
#  [987 621 734  19]
#  [652 370 615 467]
#  [852 420 880 175]]
print signal.medfilt(x,(3,3))
# [[  0. 365.  77.   0.]
#  [370. 621. 467. 365.]
#  [420. 652. 467. 175.]
#  [  0. 420. 370.   0.]]

python滤波与图像如何去噪

二维中值滤波还可以用 signal.medfilt2d(),速度快,但只支持 int8,float32,float64

 

滑框维度总是可以为1,如果大于1,其维度必须等于信号维度

也就是说,如果信号为3维,滑框必须为3维

 

图像去噪

滤波常用于图像预处理

python滤波与图像如何去噪

import numpy as np
from PIL import Image
import scipy.signal as signal


im=Image.open('test2.png')   # 读入图片并建立Image对象im
# im=im.convert('L')          # 转为灰度图
data=[]                     # 存储图像中所有像素值的list(二维)
width,height=im.size        # 图片尺寸,长宽,或者说宽高-->横竖
print(width, height)

# 读取图像像素的值
for w in range(width):      # 对每个行号h
    row=[]                  # 记录每一行像素
    for h in range(height): # 对每行的每个像素列位置w
        value=im.getpixel((w, h))    # 用getpixel读取这一点像素值
        row.append(value)            # 把它加到这一行的list中去
    data.append(row)        # 把记录好的每一行加到data的子list中去,就建立了模拟的二维list

### 彩色图滤波
# data=signal.medfilt(data,kernel_size=3)           # 二维中值滤波
# data=signal.medfilt(data,kernel_size=5)
data=signal.medfilt(data,kernel_size=(3, 3, 3))

### 灰度图滤波
##1
# data=signal.medfilt(data,kernel_size=(3, 3))
##2
# data = np.uint8(data)
# data=signal.medfilt2d(data,kernel_size=(11, 11))

#
data=np.int32(data)                         # 转换为int类型,以使用快速二维滤波
# data=np.int8(data)
print(data)

# 创建并保存结果
for w in range(width):       # 对每一行
    for h in range(height):  # 对该行的每一个列号
        im.putpixel((w,h),tuple(data[w][h])) # 将data中该位置的值存进图像,要求参数为tuple
        # im.putpixel((w,h),data[w][h])       # 灰度图的处理方式

im.save('result2.jpg')       # 存储

python滤波与图像如何去噪

python滤波与图像如何去噪python滤波与图像如何去噪python滤波与图像如何去噪

图1 为原图;图2 使用 领域为3的中值滤波处理;图3 使用 领域为5的中值滤波处理

 

当使用中值滤波处理图片时,图像的边缘可能变得模糊,领域越大,越模糊。

图3 的边缘就比 图1 模糊。

 

也就是说滤波对图像的有去躁和模糊的作用。

 

 

 

参考资料:

https://blog.csdn.net/shu15121856/article/details/76273137

https://blog.csdn.net/qq_38131594/article/details/80758567

https://blog.csdn.net/qinghuaci666/article/details/81737624

https://www.cnblogs.com/yanshw/p/11170841.html

本文地址:https://blog.csdn.net/zhuiyuanzhongjia/article/details/107062384