图像中的中值滤波的opencv实现去除椒盐噪声

最新推荐文章于 2025-07-12 23:16:29 发布

原创

最新推荐文章于 2025-07-12 23:16:29 发布 · 7.1k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#中值滤波 #椒盐噪声 #彩色图像

本文介绍了中值滤波在去除图像椒盐噪声中的应用，这是一种非线性的平滑技术。通过在图像上滑动模板，对像素点邻域内的值进行排序并用中值替换原始像素值，从而有效消除孤立噪声点。文中提供了具体的实现代码，展示如何处理彩色图像，使其在过滤后达到无椒盐噪声的效果。

1.中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。

2.原理：是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

3.方法：用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。

（1）通过从图像中的某个采样窗口取出奇数个数据进行排序；
（2）用排序后的中值取代要处理的数据即可。

实现代码如下：（实现读取彩色椒盐噪声的图片经过中值滤波后输出彩色无椒盐噪声的图片）

import numpy as np
import cv2
import matplotlib.pyplot as plt

img = cv2.imrea

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

WhatPrime

关注关注

3
点赞
踩
15

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

基于自适应滤波器的椒盐噪声图像去噪（附带MATLAB代码）

2301_79325657的博客

09-09

427

在函数内部，通过遍历图像的每个像素点，提取其周围邻域内的像素值，并计算邻域内的中值。最后，返回去噪后的图像。你可以根据自己的需要调整代码中的窗口大小和阈值，以获得最佳的去噪效果。如果你有任何其他问题，请随时提问。椒盐噪声是数字图像中常见的一种噪声类型，它在图像中随机地出现黑白像素点，给图像质量和视觉效果带来很大的影响。在椒盐噪声图像去噪中，自适应滤波器可以根据像素点周围邻域内的像素值进行计算，以获得更准确的滤波结果。通常情况下，较大的窗口大小和较小的阈值可以更好地去除椒盐噪声，但也可能导致图像细节的损失。

opencv图像处理之椒盐噪声

Jabok的博客

10-03

1362

椒盐噪声。intrand(void);rand()函数用来产生随机数，但是，rand()的内部实现是用线性同余法实现的，是伪随机数，由于周期较长，因此在一定范围内可以看成是随机的。rand()会返回一个范围在0到RAND_MAX（至少是32767）之间的伪随机数（整数）。

参与评论您还未登录，请先登录后发表或查看评论

添加椒盐噪声和中值滤波除噪

06-19

使用opencv2.4.9，vs2013，对RGB图像添加了手动椒盐噪声 中值滤波是自己设计5*5的十字交叉滤波器，采用opencv图像迭代器完成（可能），忽略了边界影响。效果很不好。不如人家的

自适应阈值中值滤波去除大密度椒盐噪声

weixin_41274295的博客

04-02

4652

这篇也是老师留的一个小作业，如何滤除椒盐噪声。首先椒盐噪声是很简单的一种噪声，椒噪声（黑点）灰度为0，盐噪声（白点）灰度为255，去除椒盐噪声比较有效的方法是采用中值滤波，但是，在噪声密度较大时，标准中值滤波（SMF）的效果就不太好了，因为SMF采用3*3模板，当噪声密度较大时，所得的中值很可能还为噪声，因此，有很多改进的中值滤波方法被提出。本文所实现之功能基于以下思想：1.对于非边缘部...

opencv 高斯噪声和椒盐噪声

weixin_41274295的博客

03-29

4577

之前在使用matlab时，有库函数可以直接给图像添加椒盐、高斯噪声等，最近在学习opencv，发现库中并没有定义这种加噪函数(可能是我没有找到 `_` )，所以想要给图片加噪，就必须得自己写函数。首先，通过查找课本以及博客中其他人的见解，得出如下理解：1.椒盐噪声椒盐噪声（salt-and-pepper noise)又称脉冲噪声，它随机改变一些像素值，在二值图像上表现为使一些像素点变白，一些像...

[opencv]中值滤波去掉椒盐噪声

大糊涂虫

06-26

1006

原图：去噪声后：代码： void ShowBlur() { bgImage=imread("椒盐噪声.jpg", IMREAD_UNCHANGED); Mat dst(bgImage.size(), bgImage.type()); medianBlur(bgImage, dst, 3); imshow("blur", dst); waitKey(0); } API原型： medianBlur（Mat src, Mat dest, ksize）注意：

OpenCV—中值滤波

热门推荐

iracer的博客

10-24

3万+

中值滤波器是一种非线性滤波器，常用于消除图像中的椒盐噪声。与低通滤波不同的是，中值滤波有利于保留边缘的尖锐度，但它会洗去均匀介质区域中的纹理。

opencv中用c++实现的中值滤波的算法，可以有效的处理椒盐噪声，灰度图彩色图均可以处理

m0_51508490的博客

12-30

1061

这里写自定义目录标题标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入标题欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何

计算机视觉技术：C++和opencv插件实现比较均值、中值、高斯滤波，对不同噪音（椒盐、高斯噪音）的抑制效果

一个努力学习的程序猿

04-30

994

问题描述：比较均值滤波、中值滤波、高斯滤波在不同窗口尺寸下，对于不同噪音（椒盐噪音、高斯噪音）的抑制效果。 #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main(int argc, char** argv) { Mat src...

（自己编写函数）Python + Opencv 图像增强,加噪滤波（椒盐,高斯噪音,3&5模版,均值.中值滤波处理）

一只没有脚的猪的博客

05-11

1790

这篇也是很久之前写的，因为是之前的实验，然后写这篇的时候，因为python写的，而且是自己写的函数，完全就是根据定义和式子来写的代码，所以的话时间复杂度很高，跑的时候会比较慢，需要多等一会，不是代码问题添加椒盐噪声函数主要采用随机数来确定现在所在的像素点是否要添加噪声，由椒盐噪声阈值来确定，这个值可以自己定，随机生成的随机数如果大于这个阈值那么添加胡椒噪声，如果小于这个阈值那么添加盐噪声，不难...

Opencv学习（四）图像的噪声处理（椒盐噪声）

人生如梦，浮华一瞬间的专栏

03-28

5075

椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值，饱和的感应器导致像素值为最大值。常用的去除这种噪声的有效手段是使用中值滤波器。在图像处理中，在进行如边缘检测这样的进...

OPENCV椒盐噪声过滤

zhujun007007的专栏

08-15

2292

有时候我们需要对图像进行椒盐噪声过滤，但是opencv并没有椒盐噪声过滤的函数。下面我自己写的一个简单的椒盐噪声过滤函数，适合于二值化后出现的椒盐噪声过滤， opencv版本：2.3.1 IDE:vs2010 语言：C++。 /** *@brief 随机噪声点过滤 *@param src 预处理图片 *@param w 预处理噪声点像素宽 *@param h 预处理噪声点

opencv 图像处理之椒盐噪声的添加与去除

m0_37992521的博客

05-05

4347

#include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; //添加椒盐噪声 Mat addSaltNoise(Mat srcImage, int n) { Mat resultImage = srcImage.clone(); for (int ...

OpenCV2 图像处理与计算机视觉（一）—— 去除一幅二值化图像中的椒盐噪声

04-19

9009

通过 imgproc.hpp 文件中的 threshold 函数我们可得一幅二值化图像（或者叫 mask 掩码图像），所谓一幅二值化图像中的椒盐噪声，即为在一个 image patch 中，如果某一点的像素值为 0（也即黑色），而其 5*5 的邻域内均是255（白色），我们就可简单地将这个黑色孤点视为椒盐噪声。去除一幅二值化图像中的椒盐噪声的关键就在于寻找这样的一些黑色孤点：void removeP

OpenCV处理椒盐噪声以及提高对比度

zhuyong006的博客

12-24

3845

1.通过中值模糊处理椒盐噪声源码： import cv2 as cv def median_blur_demo(image): dst = cv.medianBlur(image, 5) cv.imshow("median_blur_demo", dst) src = cv.imread("/home/jon/opencv-python-picture/lenanoise.p...

opencv笔记：高斯滤波和中值滤波对椒盐噪声的处理

panpan_jiang1的博客

06-01

5184

椒盐噪声又叫冲击噪声（或者脉冲噪声）。在图像上表现为离散分布的纯白色或者黑色像素点，出现的位置通常是随机的，不连续的。由于在正常情况下，在图像中不太可能出现最大/最小值的灰度像素，因此这个样的像素点可以被当成噪声。椒盐噪声产生的原因可能是环境的干扰（如电磁干扰）、传感器（ADC）内部时序错误等。

OpenCV——噪声去除（降噪）

Made In SQL

07-12

562

在数字图像处理中，噪声是影响图像质量的常见问题。噪声会降低图像的信噪比，导致图像细节丢失，影响后续的图像分析和处理任务。

C++ opencv二维遍历，椒盐噪声

weixin_43474255的博客

11-18

211

#include <opencv2\opencv.hpp> #include <iostream> #include <math.h> using namespace std; using namespace cv; int main(int argc, char** argv) { Mat src; src = imread("test1.jpg"); ...

【图像去噪】基于自适应滤波器消除椒盐噪声图像附matlab代码

matlab_dingdang的博客

12-10

746

在这项研究中，提出了一种新的自适应滤波器来消除椒盐噪声（SPN）。所提出方法的基础包括两个阶段。(1) 在有多个像素具有相同距离的情况下，用最接近的像素值改变噪声像素值或将它们的平均值分配给噪声像素；(2) 通过将计算出的噪声像素值与噪声比相关联，用平均滤波器更新计算出的噪声像素值。由于在第一阶段使用最近距离的像素值，因此开发的方法被命名为基于最近值的均值滤波器（NVBMF）。

中值滤波适用于去除椒盐噪声

最新发布

09-05

中值滤波（Median Filter）是一种非线性滤波方法，通过取邻域内像素的中值来替代中心像素值，**特别适用于去除椒盐噪声（Salt-and-Pepper Noise）**，同时能较好地保留图像边缘。以下是详细解析： --- ### **1. 为什么中值滤波适合去除椒盐噪声？** - **椒盐噪声的特点**：图像中随机出现极亮（盐噪声，白色像素）或极暗（胡椒噪声，黑色像素）的孤立点，噪声值与周围像素差异极大。 - **中值滤波的原理**：对每个像素的邻域（如`3×3`窗口）内的像素值排序，取中值作为输出。 - **优势**： - 极端值（噪声）会被排序后排除在中值之外，从而被有效去除。 - 相比均值滤波（易受噪声影响），中值滤波不会因极端值拉高/拉低平均值，导致边缘模糊。 --- ### **2. 中值滤波的OpenCV实现** ```python import cv2 import numpy as np # 生成含椒盐噪声的图像 def add_salt_pepper_noise(image, prob): output = np.copy(image) # 盐噪声（白色像素） num_salt = np.ceil(prob * image.size * 0.5) coords = [np.random.randint(0, i-1, int(num_salt)) for i in image.shape[:2]] output[coords[0], coords[1]] = 255 # 胡椒噪声（黑色像素） num_pepper = np.ceil(prob * image.size * 0.5) coords = [np.random.randint(0, i-1, int(num_pepper)) for i in image.shape[:2]] output[coords[0], coords[1]] = 0 return output # 读取图像并添加噪声 image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE) noisy_image = add_salt_pepper_noise(image, 0.05) # 5%噪声概率 # 应用中值滤波 median_filtered = cv2.medianBlur(noisy_image, 5) # 核大小5×5 # 显示结果 cv2.imshow('Original', image) cv2.imshow('Noisy', noisy_image) cv2.imshow('Median Filtered', median_filtered) cv2.waitKey(0) cv2.destroyAllWindows() ``` --- ### **3. 关键参数说明** - **`cv2.medianBlur(src, ksize)`** - `src`：输入图像（支持单通道或多通道）。 - `ksize`：滤波核大小，必须是**正奇数**（如`3`、`5`、`7`）。 - 核越大，去噪能力越强，但可能丢失更多细节（如细线）。 - 典型值：`3×3`（轻度噪声）或`5×5`（重度噪声）。 --- ### **4. 中值滤波 vs 其他滤波方法** | **方法** | **适用噪声类型** | **边缘保留** | **计算复杂度** | **特点** | |------------------|------------------------|--------------|----------------|-----------------------------------| | **中值滤波** | 椒盐噪声、脉冲噪声 | 优秀 | 中等 | 不依赖均值，避免模糊边缘 | | **均值滤波** | 高斯噪声 | 差 | 低 | 简单快速，但会模糊边缘 | | **高斯滤波** | 高斯噪声 | 一般 | 高 | 权重呈正态分布，平滑自然 | | **双边滤波** | 保持边缘的噪声 | 优秀 | 很高 | 结合空间和像素值相似性 | --- ### **5. 中值滤波的局限性** 1. **对高斯噪声无效**： 中值滤波无法去除连续分布的噪声（如高斯噪声），此时应使用高斯滤波或均值滤波。 2. **核大小选择**： - 核过小：去噪不彻底。 - 核过大：丢失细节（如文字、细线）。 - **建议**：从`3×3`开始尝试，逐步增大。 3. **彩色图像处理**： - 对多通道图像（如BGR），`cv2.medianBlur()`会分别对每个通道滤波，可能导致颜色失真。 - **改进**：转换为HSV/YCrCb空间，仅对亮度通道滤波。 --- ### **6. 实际应用场景** 1. **医学图像处理**：去除X光或MRI图像中的脉冲噪声，保留组织边界。 2. **文档图像去噪**：扫描文档中的黑点或白点噪声，提升OCR识别率。 3. **视频监控**：处理低光照条件下的传感器噪声。 4. **遥感图像**：去除卫星图像中的随机脉冲干扰。 --- ### **7. 相关问题** 1. **中值滤波能否去除所有椒盐噪声？** - 不能完全去除，但可显著减少。极端情况下（噪声密度>50%），需结合形态学操作（如开运算）。 2. **如何优化中值滤波的速度？** - 使用积分图（Integral Image）加速，或限制核大小（如`≤7×7`）。 3. **中值滤波与形态学开运算的区别？** - 开运算（先腐蚀后膨胀）也能去除小噪声，但会缩小物体；中值滤波直接取中值，边缘保留更好。 4. **OpenCV中是否有快速中值滤波实现？** - `cv2.medianBlur()`已优化，但对大核（如`15×15`）仍较慢，可考虑GPU加速（如`cv2.cuda.medianFilter`）。 5. **中值滤波能否用于实时系统？** - 可以，但需权衡核大小。小核（如`3×3`）在嵌入式设备上可实时处理。 --- ### **8. 总结** - **核心优势**：中值滤波通过排序取中值，**高效去除椒盐噪声**，同时**保留边缘**。 - **关键参数**：核大小（奇数），需根据噪声密度调整。 - **扩展应用**：结合自适应核大小或与其他滤波方法（如高斯滤波）混合使用，提升鲁棒性。 **示例效果**： - 含椒盐噪声的图像 → `medianBlur(ksize=5)` → 噪声点被去除，文字/边缘清晰可见。