第1关：均值类滤波器_第1关:均值类滤波器-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_73730452/article/details/143598387

任务要求
参考答案
重置记录
评论

任务描述

本关任务：编写一个能对图像进行几何均值滤波的小程序。

相关知识

通过本关的学习，你讲要掌握： 1、滤波器； 2、均值类滤波器； 3、算法均值滤波器的 python 实现。

滤波器

噪声的本质是污染了图像上的原来的点，把它们的像素值修改了，从而让图像看起来模糊，显然这不是我们想要的。而滤波器，就是用来去掉图像上的噪声的函数。

滤波器的种类有很多，比如均值类滤波器，排序统计类滤波器，选择性滤波器等，它们的区别就是使用不同的数学方法去除噪声。需要说明的是，使用滤波器去除噪声达不到百分之百还原原始图像的目的，但是滤波器能够大幅度的消除图像上的噪声，使得图像的观赏性提高很多。

均值类滤波器

均值类滤波器是一种非常简单的滤波器。它首先需要定义大小，比如3x3：

然后，遍历图像中的每一个像素点，将滤波器覆盖上去，以中间的灰色的点恰好覆盖在当前的像素点上，则计算滤波器覆盖到的区域的像素点的像素值的均值（算数均值或者几何均值），像上面这种滤波器，则计算的是周围的9个像素点的均值，最后用这个均值替代当前点的像素值。

均值滤波器有很多种，区别是计算均值的方式不同，其它的都相同。

算数均值滤波器

算数均值滤波器就是计算滤波器区域内的像素点的算数均值。

几何均值滤波器

几何均值滤波器的公式如下：

就是把滤波器内点像素值相乘，然后取一个指数值（mn表示滤波器内像素点的个数）。

谐波均值滤波器

谐波均值滤波器的公式如下：

就是把滤波器内点像素值的倒数相加，然后再用像素点的个数去除以这个相加的和。

篇幅所限，下面我们只介绍算数均值滤波器的实现，其它的都差不多，实现起来并不难。

算数均值滤波器的`python`实现

程序

算数均值滤波器的程序如下所示：

# 导入opencv包
import cv2
# 导入numpy包
import numpy as np
# 使用opencv读取灰度图
image = cv2.imread("zao.png", cv2.IMREAD_GRAYSCALE)
# 待输出的图片
output = np.zeros(image.shape, np.uint8)
# 遍历图像，进行均值滤波
for i in range(image.shape[0]):
for j in range(image.shape[1]):
# 滤波器内像素值的和
sum = 0
# 遍历滤波器内的像素值
for m in range(-1, 2):
for n in range(-1, 2):
# 防止越界
if 0 <= i + m < image.shape[0] and 0 <= j + n < image.shape[1]:
# 像素值求和
sum += image[i + m][j + n]
# 求均值，作为最终的像素值
output[i][j] = int(sum / 9)
# 展示均值滤波后的图片
cv2.imshow("after filter.png", output)
# 等待用户的键盘输入
cv2.waitKey()

运行结果

首先是原始的未经污染的图片：

然后是用椒盐噪声污染的图片：

可以看到，图片中多了一些白色和黑色的点最后是滤波器过滤后的结果：

虽然图像变得模糊了，但是椒盐噪声点基本被去除了。

编程要求

根据提示，在右侧编辑器Begin和End之间补充代码，完成对图片src的几何均值滤波的实现，滤波器的大小是1*3，滤波后的结果图片保存到output。

测试说明

平台会测试几何均值滤波后的打印结果。

开始你的任务吧，祝你成功！

# 导入 numpy 包
import numpy as np
# 导入 opencv 包
import cv2
import math

# 使用 opencv 读取图片
image = cv2.imread("/data/workspace/myshixun/step2/原图/zao.png", cv2.IMREAD_GRAYSCALE)
# 待输出的图片
output = np.zeros(image.shape, np.uint8)

# 遍历图像，进行均值滤波
for i in range(image.shape[0]):
    for j in range(image.shape[1]):
        # 初始化几何均值变量
        ji = 1.0
        # 遍历滤波器内的像素值，滤波器的大小为 1*3
        for k in range(-1, 2):
            # 防止越界
            if 0 <= j + k < image.shape[1]:
                # 像素值相乘
                ji *= image[i][j + k]
        # 计算几何均值
        output[i][j] = int(math.pow(ji, 1.0 / 3))

# 展示均值滤波后的图片
cv2.imwrite("/data/workspace/myshixun/step2/学员文件/output.png", output)
# 等待用户的键盘输入
print(output)
print(np.sum(output))