中值濾波將圖像的每個(gè)像素用鄰域 (以當(dāng)前像素為中心的正方形區(qū)域)像素的中位數(shù)代替 。與鄰域平均法類似，但計(jì)算的是中值。

用scipy.signal.medfilt()實(shí)現(xiàn)中值濾波

函數(shù)原型：

scipy.signal.medfilt(volume, kernel_size=None)

參數(shù)：

• volume： N維輸入數(shù)組。
• kernel_size： 一個(gè)標(biāo)量或元組，代表每個(gè)維度中中值濾波窗口的大小（即取多少個(gè)值的中值），默認(rèn)值為3。

---

中值濾波技術(shù)能有效抑制噪聲，通過把數(shù)字圖像中一點(diǎn)的值用該點(diǎn)周圍的各點(diǎn)值的中位數(shù)來代替，讓這些值接近，以消除原數(shù)據(jù)（圖像or時(shí)序數(shù)據(jù)）中的噪聲。

signal的medfilt()方法傳入一個(gè)參數(shù)：

import random import numpy as np import scipy.signal as signal x=np.arange(0,100,10) random.shuffle(x) pint(x) x = signal.medfilt(x,3) #一維中值濾波 pint(x) """ 輸出：array([60, 40, 70, 0, 50, 30, 90, 80, 10, 20])array([40., 60., 40., 50., 30., 50., 80., 80., 20., 10.]) """

signal的medfilt()方法傳入兩個(gè)參數(shù)：第一個(gè)參數(shù)是要作中值濾波的信號，第二個(gè)參數(shù)是鄰域的大小(奇數(shù))。如鄰域?yàn)?即是每個(gè)點(diǎn)自己和上下左右各一個(gè)點(diǎn)（共9個(gè)點(diǎn)）成為一個(gè)鄰域。在每個(gè)位置的鄰域中選取中位數(shù)替換這個(gè)位置的數(shù)。如果鄰域中出現(xiàn)沒有元素的位置，那么以0補(bǔ)齊。

x = np.random.randint(1,1000,(4,4)) print(x,"\n") x = signal.medfilt(x,(3,3)) #二維中值濾波 print(x) """ 輸出： [[ 14 442 710 256][839 102 372 937][ 70 638 506 684][118 769 608 666]][[ 0. 102. 256. 0.][ 70. 442. 506. 372.][102. 506. 638. 506.][ 0. 118. 608. 0.]] """

中值濾波在時(shí)序數(shù)據(jù)上的效果

import scipy.signal as signal import matplotlib.pyplot as plt import numpy as np import pandas as pdn = 50 y = np.sin(np.linspace(0, 10, n)) + np.random.rand(n) y_med = signal.medfilt(y, kernel_size=5)plt.figure() plt.plot(y, 'r--', label='y') plt.plot(y_med, 'b-.', label='y_med') plt.legend() plt.show()

可以看出經(jīng)中值濾波處理后的數(shù)據(jù)（藍(lán)色線）相對原數(shù)據(jù)（紅色線）較平滑了許多

中值濾波在圖像上的應(yīng)用效果

import cv2 import numpy as np url="test.png" img=cv2.imread(url)# 加上椒鹽噪聲 # 灰階范圍 w=img.shape[1] h=img.shape[0] newimg=np.array(img)# 噪聲點(diǎn)數(shù)量 noisecount=5000 for k in range(0,noisecount):xi=int(np.random.uniform(0,newimg.shape[1]))xj=int(np.random.uniform(0,newimg.shape[0]))newimg[xj,xi]=255# 中值濾波去噪（平滑圖片） lbimg=cv2.medianBlur(newimg,3) cv2.imshow('lbimg',lbimg) # 添加了噪音的圖片 cv2.imshow('newimg',newimg)cv2.waitKey() cv2.destroyAllWindows()

總結(jié)

以上是生活随笔為你收集整理的中值滤波scipy.signal.medfilt()方法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。