从0到1学Python丨图像平滑方法的两种非线性滤波：中值滤波、双边滤波

摘要：常用于消除噪声的图像平滑方法包括三种线性滤波（均值滤波、方框滤波、高斯滤波）和两种非线性滤波（中值滤波、双边滤波），本文将详细讲解两种非线性滤波方法。

本文分享自华为云社区《[Python从零到壹] 五十六.图像增强及运算篇之图像平滑（中值滤波、双边滤波）》，作者：eastmount。

常用于消除噪声的图像平滑方法包括三种线性滤波（均值滤波、方框滤波、高斯滤波）和两种非线性滤波（中值滤波、双边滤波），本文将详细讲解两种非线性滤波方法。

一.中值滤波

前面讲述的都是线性平滑滤波，它们的中间像素值都是由邻域像素值线性加权得到的，接下来将讲解一种非线性平滑滤波——中值滤波。中值滤波通过计算每一个像素点某邻域范围内所有像素点灰度值的中值，来替换该像素点的灰度值，从而让周围的像素值更接近真实情况，消除孤立的噪声。

中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护图像的边缘和细节，使之不被模糊处理，这些优良特性是线性滤波方法所不具有的，从而使其常常被应用于消除图像中的椒盐噪声[1-2]。

中值滤波算法的计算过程如图1所示。选择含有五个点的窗口，依次扫描该窗口中的像素，每个像素点所对应的灰度值按照升序或降序排列，然后获取最中间的值来替换该点的灰度值。

上图展示的是矩形窗口，常用的窗口还包括正方形、十字形、环形和圆形等，不同形状的窗口会带来不同的过滤效果，其中正方形和圆形窗口适合于外轮廓边缘较长的图像，十字形窗口适合于带尖角形状的图像。

OpenCV将中值滤波封装在medianBlur()函数中，其函数原型如下所示：

• dst = medianBlur(src, ksize[, dst])
  – src表示待处理的输入图像
  – dst表示输出图像，其大小和类型与输入图像相同
  – ksize表示内核大小，其值必须是大于1的奇数，如3、5、7等

下面是调用medianBlur()函数实现中值滤波的代码。

# -*- coding: utf-8 -*-
# By:Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread("lena-zs.png")
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#中值滤波
result = cv2.medianBlur(source, 3)
#用来正常显示中文标签
plt.rcParams["font.sans-serif"]=["SimHei"]
#显示图形
titles = ["原始图像", "中值滤波"]
images = [source, result]
for i in range(2):
 plt.subplot(1,2,i+1), plt.imshow(images[i], "gray")
 plt.title(titles[i])
 plt.xticks([]),plt.yticks([])
plt.show()