Mahotas - 中值滤波器

中值滤波器是另一种常用的图像降噪技术。它的工作原理是计算相邻像素之间的中间值，并用该中间值替换原始像素值。

为了理解中值滤波器，让我们考虑相同的黑白图像场景，其中小黑点代表噪声。图像中的每个像素都有一个二进制值减去白色(代表感兴趣的对象)或黑色(代表背景)。

对于每个像素，中值滤波器都会获取窗口内相邻像素的像素值。然后根据它们的强度值按升序排列它们。

之后，它选择中间值，即中值，并用该中值替换原始像素值。

Mahotas 中的中值滤波器

要在 Mahotas 中应用中值滤波器，您可以使用 median_filter() 函数。

Mahotas 中的中值滤波器函数使用结构元素来检查邻域中的像素。

结构元素通过计算邻域内的中间值来替换每个像素的值。

结构元素的大小决定了中值滤波器应用的平滑程度。

邻域越大，平滑效果越强，同时减少图像的精细细节。另一方面，较小的邻域会导致平滑度降低，但会保留更多细节。

mahotas.median_filter() 函数

median_filter() 函数使用指定的邻域大小将中值滤波器应用于输入图像。它将每个像素值替换为其邻居之间计算的中值。过滤后的图像存储在输出数组中。

语法

以下是 mahotas − 中中值滤波器函数的基本语法

mahotas.median_filter(img, Bc={square}, mode='reflect', cval=0.0,
out={np.empty(f.shape, f.dtype})

其中，

• img − 它是输入图像。

• Bc − 它是定义邻域的结构元素。默认情况下，它是边长为 3 的正方形。

• mode(可选) − 它指定函数如何处理图像的边界。它可以采用不同的值，例如"reflect"、"constant"、"nearest"、"mirror"或'wrap'。默认情况下，它设置为 'reflect'。

• cval(可选) − 当 mode='constant' 时要使用的值。默认值为 0.0。

• out(可选) − 它指定将存储过滤后的图像的输出数组。它必须与输入图像具有相同的形状和数据类型。

示例

以下是使用 median_filter() 函数过滤图像的基本示例 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
image=mh.imread('tree.tiff', as_grey = True)
structuring_element = mh.disk(12)
filtered_image = mh.median_filter(image, structuring_element)
# 显示原始图像
fig, axis = mtplt.subplots(1, 2, figsize=(9, 4))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')
# 显示中值滤波图像
axes[1].imshow(filtered_image, cmap='gray')
axes[1].set_title('Median Filtered')
axes[1].axis('off')
mtplt.show()

输出

执行上述代码后，我们得到以下输出 −

带反射模式的中值滤波器

当我们将中值滤波器应用于图像时，我们需要考虑每个像素周围的相邻像素来计算中值。

但是，在图像的边缘，有些像素在一侧或多侧没有邻居。

为了解决这个问题，我们使用"反射"模式。反射模式沿图像边缘创建镜像效果。它允许我们通过以镜像方式复制其像素来虚拟扩展图像。

这样，我们可以为中值滤波器提供相邻像素，即使在边缘也是如此。

通过反射图像值，中值滤波器现在可以将这些镜像像素视为真实邻居。

它使用这些虚拟邻居计算中值，从而在图像边缘实现更准确的平滑过程。

示例

在这里，我们尝试使用反射模式计算中值滤波器 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
image=mh.imread('nature.jpeg', as_grey = True)
structuring_element = mh.morph.dilate(mh.disk(12), Bc=mh.disk(12))
filtered_image = mh.median_filter(image, structuring_element, mode='reflect')
# 显示原始图像
fig, axis = mtplt.subplots(1, 2, figsize=(9, 4))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')
# 显示中值滤波图像
axes[1].imshow(filtered_image, cmap='gray')
axes[1].set_title('Median Filtered')
axes[1].axis('off')
mtplt.show()

输出

上述代码的输出如下 −

通过将结果存储在输出数组中

我们也可以使用 Mahotas 将中值滤波器的结果存储在输出数组中。为此，我们首先需要使用 NumPy 库创建一个空数组。

此数组使用与输入图像相同的形状和数据类型初始化，以存储生成的滤波图像。

最后，我们将生成的滤波图像作为参数传递给 median_filter() 函数，将其存储在输出数组中。

示例

现在，我们尝试将中值滤波器应用于灰度图像，并将结果存储在特定的输出数组中 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
image=mh.imread('pic.jpg', as_grey = True)
# 为滤波后的图像创建输出数组
output = np.empty(image.shape)
# 将结果存储在输出数组中
mh.median_filter(image, Bc=mh.disk(12), out=output)
# 显示原始图像
fig, axis = mtplt.subplots(1, 2, figsize=(9, 4))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')
# 显示中值滤波后的图像
axes[1].imshow(output, cmap='gray')
axes[1].set_title('Median Filtered')
axes[1].axis('off')
mtplt.show()

输出

以下是上述代码的输出 −