均值濾波器中,模板內像素的權重都爲一,其只是簡單的像素加法平均
而,加權均值濾波器,對模板中的像素點賦予不同的權重,求的是像素的加權平均,典型的模板,例如高斯模糊,其模板權重呈現鍾型的高斯分佈:
下面使用上式表示的模板,實現:
圖像數據 :
導入,要使用的庫:
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
讀取圖像數據並可視化:
img = Image.open('Fig0333(a)(test_pattern_blurring_orig).tif')
plt.axis('off')
plt.imshow(img, cmap = 'gray')
plt.show()
濾波過程:
定義濾波模板:
kernel = [[1,2,1], [2,4,2], [1,2,1]]
濾波函數:
def rejector2(img, m, n, kernel):
num_sum = [sum(i) for i in kernel]
num_sum = sum(num_sum)
img_data = np.array(img)
img_new = [[] for _ in range(np.shape(img_data)[0])]
a = m // 2
b = n // 2
for i in range(np.shape(img_data)[0]):
for j in range(np.shape(img_data)[1]):
num = 0
x = 0
for k in range(i-a, i+a+1, 1):
y = 0
for l in range(j-b, j+b+1, 1):
c = k>=0 and k<np.shape(img_data)[0]
d = l>=0 and l<np.shape(img_data)[1]
#依然使用0填充
if c and d:
#計算模板中像素的加權之和
num += img_data[k][l] * kernel[x][y]
y += 1
x += 1
#求平均值
num = num / num_sum
img_new[i].append(int(num))
return img_new
測試結果,可視化:
img_new = rejector2(img, len(kernel), len(kernel[0]), kernel)
plt.figure(figsize=(25,25))
plt.subplot(131)
plt.axis('off')
plt.imshow(img_new, cmap = 'gray')
plt.subplot(132)
plt.axis('off')
plt.imshow(new_img[0], cmap = 'gray')
plt.subplot(133)
plt.axis('off')
plt.imshow(img, cmap = 'gray')
plt.show()
左側爲加權均值濾波,中間爲平滑線性濾波,右側爲原圖像