Python实现图像中值滤波降噪详解

本文提供了使用Python实现图像降噪的具体代码示例，供读者参考学习。

任务描述

背景

在图像的数字化采集和传输过程中，往往会产生噪声，进而降低图像质量。图像降噪技术旨在有效减少这些噪声干扰。如图所示，左侧为包含噪声的原始图像（图中黑点代表噪声），右侧为经过降噪处理后的结果，可见黑点显著减少，图像清晰度得到提升。

中值滤波是常见的图像降噪手段之一。针对一幅带有噪声的图像1（假设其分辨率为w×h），降噪处理流程如下：

1）将图像1转换为灰度图像，仍记为图像1； 2）创建新图像2，该图像为灰度图，且分辨率与图像1保持一致； 3）对于图像1中坐标为(x,y)的像素p，计算其周围像素的中值c，并将图像2中对应坐标(x,y)处的像素值设为c，其中x的取值范围为1≤x≤w−2，y的取值范围为1≤y≤h−2； 4）保存图像2，该图像即为降噪后的最终结果。

在上述第3步中，计算坐标(x,y)处像素p的中值c的具体方法如下：

1）选取以像素p为中心的3×3图像区域，如上图所示，每个小方格代表一个像素，数字表示该像素的灰度值。若像素p的坐标为(x,y)，则选取的区域为图中黄色底纹覆盖的部分； 2）对步骤1中选出的9个像素的灰度值进行升序排列。例如，排序后的结果可能为：11、12、13、14、15、16、17、18、99； 3）在步骤2得到的排序序列中，位于正中间的那个值即为中值c。如上例所示，像素p的中值为15。

任务

本关任务要求补全程序代码，以实现图像降噪功能。具体说明如下： 1）排序操作可以使用Python列表提供的sort函数完成； 2）关于代码的具体细节和逻辑，请参考代码中的注释说明。

相关知识

略。

编程要求

请在Begin-End代码区间内补全代码，具体要求见上文描述。

测试说明

测试集的正确输出结果如下：

( 1 , 1 ) -> 255 (72 , 42) -> 191 (120, 45) -> 127 (164, 49) -> 89 (235, 49) -> 38

你的图像与正确答案相同！

说明如下：

1）系统会调用你编写的median函数，并以“像素坐标 -> 中值”的格式打印计算结果。例如，测试集第1行的(1 , 1 ) -> 255表示：坐标(1,1)处像素的中值为255； 2）此外，系统会检查程序生成的图像文件。若图像生成正确，则在测试集最后一行打印“你的图像与正确答案相同！”以确认结果。

开始你的任务吧，祝你成功！

from PIL import Image


# 求图像img中(x,y)处像素的中值c
def median(img, x, y):
    ########## Begin ##########
    L = []
    xl = [x-1,x,x+1]
    yl = [y-1,y,y+1]
    for i in xl:
        for j in yl:
            gray = img.getpixel((i, j))  # 取出灰度值
            L.append(gray)
    L.sort()
    c = L[4]
    ########## End ##########
    return c


# 对图像文件1进行降噪，并将结果保存为图像文件2
# 图像文件1和2的路径分别为path1和path2
def denoise(path1, path2):
    img1 = Image.open(path1)  # 图像1
    img1 = img1.convert('L')  # 将图像1转换为灰度图
    w, h = img1.size
    img2 = Image.new('L', (w, h), 'white')  # 图像2
    for x in range(1, w - 1):
        for y in range(1, h - 1):
            c = median(img1, x, y)  # 求中值
            img2.putpixel((x, y), c)  # 将灰度设置为中值
    img2.save(path2)


path1 = 'step4.bmp'  # 带噪声的图像
path2 = 'step4_2.bmp'  # 降噪后的图像
denoise(path1, path2)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。