我一直在处理一个灰度图像,它有大量的椒盐噪声,我知道MedianBlur非常有用。所以我使用了Python版本的Opencv(cv2.medianBlur()
)。它起作用了,但没有按我想要的方式起作用。因此,我在寻找它所使用的实际算法,并得到以下解释:
如果内核大小(k)为5,则对于每5个(行计数)x5(列计数)方形窗口,该窗口的中心像素将替换为其中所有元素的中值。例如,考虑这个窗口:
[[11, 4, 17, 1, 5],
[ 6, 14, 0, 12, 16],
[24, 19, 13, 18, 23],
[ 7, 11, 11, 10, 5],
[10, 13, 23, 3, 0]]
在这里,中心元素13将被所有这些元素的中间值替换,即11。这是正确的吗?如果是,那么前两行会发生什么情况,因为前两行中不能有任何窗口的中心元素?根据我的观察(比较原始图像和处理后的图像),前两行也发生了变化
这里,函数cv2.medianBlur()计算内核窗口下所有像素的中值,并用该中值替换中心像素。这在消除椒盐噪声方面非常有效。值得注意的一件有趣的事情是,在高斯和盒滤波器中,中心元素的滤波值可能是原始图像中不存在的值。然而,在中值滤波中并非如此,因为中心元素总是被图像中的某个像素值替换。这样可以有效地降低噪音。内核大小必须是正奇数整数
根据^{} 文档,它在内部使用
BORDER_REPLICATE
来处理边界像素因此,它重复边界像素,直到所有像素都是窗口的中间像素
编辑:要应用大小为5x5的内核,第一个像素应位于图像的第三行和第三列。这意味着将边界复制两个像素。因此,您的图像在内部变成:
从文件:
相关问题 更多 >
编程相关推荐