Opencv+python 图像处理中值滤波十字形窗口

前言

在进行图像空域处理时，对于椒盐噪声的图像，中值滤波是一个很不错的选择，一般来说mask有矩形 椭形 和十字形，
十字形被认为在处理含有少数尖锥基元的图像更能保证尖锥的形状，由于没找到Matlab自带的函数库实现十字窗口，并且论坛上有极少的Opencv基于python的代码，大多还是付费的，于是自己写了一个模板，能够实现基本原理，至于效果和处理速度，有时间以后会进行优化。

中值滤波

中值滤波的原理很简单，不考虑图像填充，将一个框架，框在图像像素，框架上的像素数值按升降序排列，取中位数作为原像素点的新值。矩形的窗口都有专门的函数轻松实现，十字窗口则是以像素点为中心点，向四周直线发散，形成十字样式。
至于python上的实现逻辑，我将它分成RGB模式和Gray模式。
先说灰度模式，比较简单，它是一个二维张量，只需要用模板进行排序，通过基础的循环进行mask滑动，并且重新赋值即可。
RGB模式比灰度模式多了一步，将RGB图像是三维张量，先将其拆分成3个二维张量，然后再按照灰度模式的方法进行赋值，最后再进行图像合并。
目前代码的计算复杂度较高，还没有进行优化，彩色图像处理会花费较长时间。

所需库及函数特点

OpenCV
numpy
1.不需要指定色彩模式，只要是RGB或者灰度图可以直接传入函数
2.支持自定义框架大小
3.支持常数边界填充，也可以稍微改动进行OpenCV支持的所有填充方式
4.目前就写了十字窗口，所以type只支持十字类型
5.耗时间长效果未调试

代码（请确保安装所需库）

def medfilter (pic,scale=[3,3],pad = [0,0,0],type='cross'): '''
    中值滤波器
    pic 为被作用图片
    type  为中值窗口类型 可选参数为 'cross'
    scale 为窗口大小，如[3,3]
    pad   为填充方法 输入值为一维矩阵
    ''' import numpy as np import cv2 as cv #获取图像的长宽基本信息，以及边界填充上下左右的距离，并实现边界填充 top_bottom = int((scale[1]-1)/2) left_right = int((scale[0]-1)/2) mednum = (scale[1]+scale[0])/2-1 total_dim = np.shape(pic) pic_line = total_dim[0] pic_row = total_dim[1] #列 pic = cv.copyMakeBorder(pic,top_bottom,top_bottom,left_right,left_right,cv.BORDER_CONSTANT,value = pad) #通过双重for循环进行十字框架的游走，以当前元素为中心点进行四周发散，形成十字框架，并排序后赋予新的像素值 def crossfilt(pic = pic ,pic_line = pic_line,pic_row = pic_row): for i in range(pic_line): for j in range(pic_row): mask = [pic[i,j], pic[i+1,j], pic[i-1,j], pic[i,j+1], pic[i,j-1]] pic[i,j] = np.sort(mask)[int(mednum)] #判断图像模式大于2则为RGB模式，小于等于2则为灰度模式 if len(total_dim)>2: r,g,b = cv.split(pic) r,g,b = medfilter(r),medfilter(g),medfilter(b) pic = cv.merge([r,g,b]) elif len(total_dim)<=2: crossfilt(pic) return pic '''
 =====================以下为测试区===============================================================
 ''' import cv2 as cv import numpy as np
A = cv.imread('lena2.png',0) B = medfilter(A) cv.namedWindow('img',cv.WINDOW_FREERATIO) cv.imshow('img',B) cv.waitKey(0) cv.destroyAllWindows() cv.imwrite('lena2po.png',B) 

效果

以下为rgb模式图和灰度图的椒盐噪声图分别用以上代码进行十字中指滤波后的效果：

边框黑边是因为用的全0填充，可以通过裁切去除，不影响。
用了3×3的模板，模板有点小，处理效果并不是很理想，但是本章旨在实现，效果和算法效率将在以后进行优化。

本文地址：https://blog.csdn.net/Syuhen/article/details/108256238