如何用python对opencv中的噪声图像进行中值滤波

我不熟悉OpenCV和Python。我想通过首先向图像添加噪声来执行高斯滤波和中值滤波。我已成功输出高斯滤波器，但无法获得中值滤波器。请任何人解释如何使用Python在OpenCV中对噪声图像执行中值滤波。以下是我的代码：

 import numpy as np

 import cv2

 img = cv2.imread('lizard.jpg').astype(np.float32)



 gaussian_blur = np.array([[1,2,1],[2,4,2],[1,2,1]],dtype=np.float32)
 gaussian_blur = gaussian_blur/np.sum(gaussian_blur)


 img_noise = img + np.random.uniform(-20,20,size=np.shape(img))

 cv2.imwrite('gt3_plus_noise.jpg',img_noise)
 median = cv2.medianBlur(img_noise.astype(np.float32),(3),0)
 cv2.imshow('Median Blur',median)
 cv2.waitKey()
 cv2.destroyAllWindows()
 img_blur_g = cv2.filter2D(img_noise.astype(np.float32), -1,gaussian_blur)

 cv2.imwrite('gt3_noise_filtered_gaussian.jpg',img_blur_g)

输出：

噪声滤波高斯

噪声图像

中值滤波图像

---

P>> Pop> Python和C++中的函数中介函数进行中值滤波。您可以从这里获得详细信息：

要使用此函数，请执行以下代码段：

n=3; #where n*n is the size of filter
output_image = cv2.medianBlur(input_image, n)

---

在Python和C++中，op>具有函数中值，进行中值滤波。您可以从这里获得详细信息：

要使用此函数，请执行以下代码段：

n=3; #where n*n is the size of filter
output_image = cv2.medianBlur(input_image, n)

---

当OpenCV有一个

float

图像时，它假定范围在0到1之间。但是，您的图像仍然具有介于0和255之间的值（可能略高于或低于该值）。这对于操作来说很好，但为了查看图像，您需要将其规格化为0和1的范围，或者，您必须转换回

uint8

图像并饱和值。当前图像刚刚溢出超过1，这是浮动图像的假定最大值。颜色仅显示在图像的较暗区域，因为值非常小；具体来说，不到1

使

uint8

图像的值饱和意味着低于0的值固定为0，高于255的值固定为255。正常的numpy操作不会使值饱和，它们会溢出并翻转（因此

np.array（-1）.astype（np.uint8）==>255

，这意味着任何减去一些位的暗值都会变亮）。有关饱和度的更多信息，请参阅

这个问题不难解决，有很多解决方案。一种明确的方法是，只需在255处固定大于255的值，并将小于0的值固定为0，然后转换为

uint8

图像：

>>> img = np.array([[150, 0], [255, 150]], dtype=np.float32)
>>> noise = np.array([[20, -20], [20, -20]], dtype=np.float32)
>>> noisy_img = img+noise
>>> noisy_img
array([[ 170.,  -20.],
       [ 275.,  130.]], dtype=float32)
>>> noisy_img[noisy_img>255] = 255
>>> noisy_img[noisy_img<0] = 0
>>> noisy_img = np.uint8(noisy_img)
>>> noisy_img
array([[170,   0],
       [255, 130]], dtype=uint8)

---

当OpenCV有一个

float

图像时，它假定范围在0到1之间。但是，您的图像仍然具有介于0和255之间的值（可能略高于或低于该值）。这对于操作来说很好，但为了查看图像，您需要将其规格化为0和1的范围，或者，您必须转换回

uint8

图像并饱和值。当前图像刚刚溢出超过1，这是浮动图像的假定最大值。颜色仅显示在图像的较暗区域，因为值非常小；具体来说，不到1

使

uint8

图像的值饱和意味着低于0的值固定为0，高于255的值固定为255。正常的numpy操作不会使值饱和，它们会溢出并翻转（因此

np.array（-1）.astype（np.uint8）==>255

，这意味着任何减去一些位的暗值都会变亮）。有关饱和度的更多信息，请参阅

这个问题不难解决，有很多解决方案。一种明确的方法是，只需在255处固定大于255的值，并将小于0的值固定为0，然后转换为

uint8

图像：

>>> img = np.array([[150, 0], [255, 150]], dtype=np.float32)
>>> noise = np.array([[20, -20], [20, -20]], dtype=np.float32)
>>> noisy_img = img+noise
>>> noisy_img
array([[ 170.,  -20.],
       [ 275.,  130.]], dtype=float32)
>>> noisy_img[noisy_img>255] = 255
>>> noisy_img[noisy_img<0] = 0
>>> noisy_img = np.uint8(noisy_img)
>>> noisy_img
array([[170,   0],
       [255, 130]], dtype=uint8)

---

你的图像被破坏了，顺便说一句。你的图像被破坏了，顺便说一句。