本文主要是介绍【Python学习笔记】25:scipy中值滤波,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
中值滤波技术能有效抑制噪声,通过把数字图像中一点的值用该点周围的各点值的中位数来代替,让这些值接近,以消除原图像中的噪声。
模拟中值滤波
>>> import random
>>> import numpy as np
>>> import scipy.signal as signal
>>> x=np.arange(0,100,10)
>>> random.shuffle(x)
>>> x
array([70, 80, 30, 20, 10, 90, 0, 60, 40, 50])
>>> signal.medfilt(x,3) #一维中值滤波
array([ 70., 70., 30., 20., 20., 10., 60., 40., 50., 40.])
signal的medfilt()方法传入两个参数,第一个参数是要作中值滤波的信号,第二个参数是邻域的大小(奇数)。如邻域为3即是每个点自己和左右各一个点成为一个邻域。在每个位置的邻域中选取中位数替换这个位置的数,也就是该函数的返回值数组。如果邻域中出现没有元素的位置,那么以0补齐。
>>> x=np.random.randint(1,1000,(4,4))
>>> x
array([[ 31, 33, 745, 483],[331, 469, 804, 479],[235, 487, 244, 982],[857, 114, 167, 174]])
>>> signal.medfilt(x,(3,3)) #二维中值滤波
array([[ 0., 33., 469., 0.],[ 33., 331., 483., 479.],[ 235., 331., 469., 174.],[ 0., 167., 167., 0.]])
二维中值滤波还可以用signal.medfilt2d(),速度较快,但只支持int8,float32和float64。
对图像中值滤波
测试图像如下,是在网上找的一个200*200像素的头像。
import numpy as np
from PIL import Image
import scipy.signal as signalim=Image.open('test.jpg') #读入图片并建立Image对象im
data=[] #存储图像中所有像素值的list(二维)
width,height=im.size #将图片尺寸记录下来#读取图像像素的值
for h in range(height): #对每个行号hrow=[] #记录每一行像素for w in range(width): #对每行的每个像素列位置wvalue=im.getpixel((h,w)) #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listdata=signal.medfilt(data,kernel_size=3) #二维中值滤波
data=np.int32(data) #转换为int类型,以使用快速二维滤波#创建并保存结果
for h in range(height): #对每一行for w in range(width): #对该行的每一个列号im.putpixel((h,w),tuple(data[h][w])) #将data中该位置的值存进图像,要求参数为tupleim.save('result.jpg')#存储
董老师课程中写的代码在我的电脑(可能是版本的问题)上运行会报错,我修改了之后的如上,这样可以进行中值滤波了,但是图像的颜色不知道为什么也发生了改变(不清楚是否是正常的)。得到下图。
如果把int32()改成int8()的话,图像又会被反相(似乎int8()不能把每一位转回表示0~255的三元组)。
如果想滤波得更"严重"一些,只要修改signal.medfilt的参数kernel_size更大一些就可以了,如把它改成5的时候图像如下。
这个时候竟然恢复了黑色,这样我认为之前出现绿色的情况也是合理的,可能是该图像本身就有许多绿色的成分在里面(在黑和白之间不易分辨)吧。
这篇关于【Python学习笔记】25:scipy中值滤波的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!