SciPy

滤波

滤波常用于降噪；

滤波有多种，中值滤波，均值滤波，等等，说的很高大上，其实很简单，各种滤波原理类似。

以中值滤波为例，把 每一点的数据 用 该点指定邻域内数的中位数 代替，

如 数据 [1,8,3]，邻域大小为3，则8经过滤波后是3，[1,3,8]的中位数；数据可以是多维的，邻域也可以为多维；

其过程类似卷积

python 中值滤波函数为 scipy.signal.medfilt(signal， kernel_size)，第一个参数为信号值，第二个参数为滑框大小，注意第二个参数必须为奇数，即左+1+右；

如果滑框内没数据，以 0 填充

import random
import numpy as np
import scipy.signal as signal

# 一维中值滤波
x=np.arange(0,100,10)
random.shuffle(x)
print x
# [70 20 10 30 40  0 60 80 90 50]
print signal.medfilt(x,3)   # 一维中值滤波
# [20. 20. 20. 30. 30. 40. 60. 80. 80. 50.]


# 二维中值滤波
x=np.random.randint(1,1000,(4,4))
print x
# [[711  77 365 518]
#  [987 621 734  19]
#  [652 370 615 467]
#  [852 420 880 175]]
print signal.medfilt(x,(3,3))
# [[  0. 365.  77.   0.]
#  [370. 621. 467. 365.]
#  [420. 652. 467. 175.]
#  [  0. 420. 370.   0.]]

二维中值滤波还可以用 signal.medfilt2d()，速度快，但只支持 int8，float32，float64

滑框维度总是可以为1，如果大于1，其维度必须等于信号维度

也就是说，如果信号为3维，滑框必须为3维

图像去噪

滤波常用于图像预处理

import numpy as np
from PIL import Image
import scipy.signal as signal


im=Image.open('test2.png')   # 读入图片并建立Image对象im
# im=im.convert('L')          # 转为灰度图
data=[]                     # 存储图像中所有像素值的list(二维)
width,height=im.size        # 图片尺寸,长宽，或者说宽高-->横竖
print(width, height)

# 读取图像像素的值
for w in range(width):      # 对每个行号h
    row=[]                  # 记录每一行像素
    for h in range(height): # 对每行的每个像素列位置w
        value=im.getpixel((w, h))    # 用getpixel读取这一点像素值
        row.append(value)            # 把它加到这一行的list中去
    data.append(row)        # 把记录好的每一行加到data的子list中去，就建立了模拟的二维list

### 彩色图滤波
# data=signal.medfilt(data,kernel_size=3)           # 二维中值滤波
# data=signal.medfilt(data,kernel_size=5)
data=signal.medfilt(data,kernel_size=(3, 3, 3))

### 灰度图滤波
##1
# data=signal.medfilt(data,kernel_size=(3, 3))
##2
# data = np.uint8(data)
# data=signal.medfilt2d(data,kernel_size=(11, 11))

#
data=np.int32(data)                         # 转换为int类型，以使用快速二维滤波
# data=np.int8(data)
print(data)

# 创建并保存结果
for w in range(width):       # 对每一行
    for h in range(height):  # 对该行的每一个列号
        im.putpixel((w,h),tuple(data[w][h])) # 将data中该位置的值存进图像,要求参数为tuple
        # im.putpixel((w,h),data[w][h])       # 灰度图的处理方式

im.save('result2.jpg')       # 存储

图1 为原图；图2 使用 领域为3的中值滤波处理；图3 使用 领域为5的中值滤波处理

当使用中值滤波处理图片时，图像的边缘可能变得模糊，领域越大，越模糊。

图3 的边缘就比 图1 模糊。

也就是说滤波对图像的有去躁和模糊的作用。

参考资料：

https://blog.csdn.net/shu15121856/article/details/76273137

https://blog.csdn.net/qq_38131594/article/details/80758567

https://blog.csdn.net/qinghuaci666/article/details/81737624