在Python中应用偶数中值滤波器

我的任务是对图像应用大小为50x50像素的中值滤波器。我知道如何应用过滤器，但当过滤器为偶数时，如何指定过滤器的大小？我的代码如下

import matplotlib.pyplot as plt
from astropy.io import fits
import scipy.signal as sg

#   Open data files
hdulist = fits.open('xbulge-w1.fits')
w1data = hdulist[0].data

hdulist2 = fits.open('xbulge-w2.fits')
w2data = hdulist2[0].data

#   Apply median filter to each image
w1_med = sg.medfilt(w1data)
w2_med = sg.medfilt(w2data)

#   Set maximum sampled galactic lat (b) and long (l)
l_max = 15
b_max = 15

#   Plot median filtered images, rescaled to galactic coordinates
plt.subplot2grid((2,1), (0,0))
plt.imshow(w1_med, origin='lower',
           extent=[l_max, -l_max, -b_max, b_max],
           cmap = 'gray')
plt.title('W1 median filter')

plt.subplot2grid((2, 1), (1,0))
plt.imshow(w2_med, origin='lower',
           extent=[l_max, -l_max, -b_max, b_max],
           cmap = 'gray')
plt.title('W2 median filter')

plt.tight_layout()
plt.show()

---

[编辑]很抱歉我之前的回答中存在误解。中值滤波是一种噪声抑制技术。结果取决于内核维度，它通常是一个小奇数，例如3,5,7。内核大小将给出应用中值的维度。例如，对于大小为3的方形内核，该算法执行下图所示的操作

因此，我建议你在你的身材大小上单独尝试一些不同的内核，例如3，5，几乎。然后选择一个结果最好的。这将取决于你的数字

sg.medfilt(w1data,kernel_size=5)

此外，我看到了medfilt的以下定义：

请注意，数组将自动进行零填充。这是修复大小均匀的图像所必需的，因为我认为您需要更改的只是

#   Apply median filter to each image
w1_med = sg.medfilt(w1data)
w2_med = sg.medfilt(w2data)

到

---

…这对您有用吗？

您的问题的关键是内核的均匀大小。scipy.signal.medfilt限制您使用奇数大小的内核。在网上搜索一下，你会发现很多关于为什么内核通常是奇数大小的信息。我认为，主要原因是居中

例如，如果将包含高斯核的图像与均匀大小的高斯核进行卷积，则最终得到的图像与原始图像（未卷积）相比中心偏移了1/2像素

关于中值滤波器，有一个额外的原因，为什么人们可以考虑奇数的内核：奇数的像素产生唯一的中值，而偶数的像素需要决定，例如，在哪个像素上使用结果：像素[ItStime/2 ]，像素[ItStime/ 2＋1 ]，或者两者的平均值。

---

即使是sezed内核，也不能使用scipy.signal.medfilt。但是，您始终可以编写一个循环，遍历输入图像的所有像素，并在每个像素周围提取一个大小均匀的窗口，然后计算该窗口中像素的中值。我引用这句话是因为不清楚如何将窗口集中在像素上：这将取决于您做出决定

我在文档中看到了这一点，但它也指出kernel_size参数必须是奇数。我确实想知道是否将kernel_size=49考虑到Python从零开始的索引规则，但与默认值3相比，这似乎是巨大的。根据您对答案的评论，我认为强调内核的均匀大小很重要。

#   Apply median filter to each image
w1_med = sg.medfilt(w1data)
w2_med = sg.medfilt(w2data)

#   Apply median filter to each image
w1_med = sg.medfilt(w1data, kernel_size=50)
w2_med = sg.medfilt(w2data, kernel_size=50)