學習筆記-使用Python對含有椒鹽噪聲的影像進行均值濾波，高斯濾波和中值濾波

import cv2 as cv
from pylab import *
from scipy import ndimage
import matplotlib.pyplot as plt
import random
# .......................................................................................
# ..................................我是分界線.............................................
# .......................................................................................
def pepper_and_salt(img,percentage):                 # 第一個參量為輸入的圖片，第二個是噪聲占圖片像素的百分比
    num = int(percentage*img.shape[0]*img.shape[1])  # 計算椒鹽噪聲點數量
    random.randint(0, img.shape[0])                  # 引數1、引數2必須是整數函式；回傳值是引數1和引數2之間的任意整數生成隨機位置
    img2 = img.copy()                                # 淺度復制，復制的數不會隨著被復制數的嵌套序列的元素的改變而改變；
    for i in range(num):
        X=random.randint(0,img2.shape[0]-1)          # 從0到影像長度之間的一個隨機整數,因為是閉區間所以-1
        Y=random.randint(0,img2.shape[1]-1)
        if random.randint(0,1) ==0:                  # 黑白色概率55開
            img2[X,Y] = (255,255,255)                # 白色
        else:
            img2[X,Y] =(0,0,0)                       # 黑色
    return img2

# ..................................我是分界線.............................................

if __name__ == '__main__':
    #對自備圖片進行均值濾波
       plt.ion()
       # 讀取圖片
       img = cv.imread("g07.tif")   # pycharm檔案和圖片在同一個檔案夾里，故可直接寫圖片名稱來表示路徑
       # 加入噪音
       img = pepper_and_salt(img, 0.01)
       source = cv.cvtColor(img, cv.COLOR_BGR2RGB)  # 顏色空間轉換函式
       # 均值濾波
       result = cv.blur(source, (5, 5))             # 以周圍5x5的像素值為依據進行濾波，越大越模糊
       # 顯示圖形
       titles = ['Source Image', 'Blur Image']
       images = [source, result]
       for i in range(2):          # 將兩個圖合并為一個圖輸出
        plt.subplot(1, 2, i + 1)   # plt.subplot（i，j，n）形式，其中ij是行列數，n是第幾個圖
        plt.imshow(images[i])      # 對影像進行處理，并顯示其格式，
        plt.title(titles[i])       # 設定影像標題
        plt.xticks([]), plt.yticks([])
       plt.show()                 # plt.show則是將plt.imshow處理后的函式顯示出來
       plt.pause(3)               # 該句顯示圖片3秒
       plt.close()                # 清空視窗

       # 高斯模糊模板與均值模板比較
       kernel_3X3 = np.array([    # 產生二維陣列
       [1/16, 2/16, 1/16],
       [2/16, 4/16, 2/16],
       [1/16, 2/16, 1/16],
       ])
       gray = cv.cvtColor(source, cv.COLOR_BGR2GRAY)  # 將彩色圖片變為灰度圖
       out = cv.GaussianBlur(gray, (3, 3), 1.3)       # cv庫自帶的高斯模糊——3X3模板 標準差為 1.3
       cv.imshow('GaussianBlur', out)                 # 高斯模糊處理后的圖片顯示
       kernel_3X3 = kernel_3X3/kernel_3X3.sum()       # .sum()是對序列進行求和，在這里這段代碼無意義
       k = ndimage.convolve(gray, kernel_3X3, mode='constant', cval=0.0)         # 卷積
       # ndimage.convolve()第一個引數表示輸入的一維陣列，第二個引數是輸入的二維陣列
       # mode='reflect'(默認值)，外部值會反映在輸入的邊以填充缺失值，
       # mode='constant', cval=0.0表示邊界補0；mode='constant', cval=1.0表示邊界補1
       cv.imshow("Blur", k)                 # 圖片顯示
       cv.waitKey(5000)
       cv.destroyAllWindows()

       #添加椒鹽噪聲
       img = cv.imread("g07.tif")
       img1 = pepper_and_salt(img, 0.05)      # 百分之5的椒鹽噪音
       img_median = cv.medianBlur(img1, 3)    # 中值濾波
       htitch = np.hstack((img1, img_median)) # 將添加噪聲的圖和中值濾波后的圖合并到一起顯示
       cv.imshow("pepper_and_salt", htitch)
       cv.waitKey(5000)
       cv.destroyAllWindows()

二、圖象平滑

1，對自備圖片（封面圖圖）進行均值濾波（自選模板大小）

2，對自備圖片利用二維高斯模板，對其進行加權平滑濾波，并比較其效果；二維高斯模板為：

3，對自備影像之一添加椒鹽噪聲，再進行中值濾波；