數字圖像處理——平滑線性濾波器

平滑線性濾波器的輸出爲濾波模板中像素的簡單平均值，所以又稱爲均值濾波器

一般濾波模板的大小m*n，m和n都是奇數，這樣目標像素才能在模板的正中心

以下是使用Python的實現過程，圖像數據使用與《數字圖像處理》——剛薩雷斯，書中相同圖像數據

 原數據爲單通道灰度圖像，上圖可能已經不是單通道了，所以數據集請自行尋找（CSDN上就有）

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()

 定義濾波函數：

#m,n代表濾波模板的大小
def rejector(img, m, n):
    img_data = np.array(img)
    
    #新圖像使用二維列表存儲
    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
            for k in range(i-a, i+a+1, 1):
                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]
                    #判斷模板是否超過圖像邊界，超出的像素默認爲0（0填充）
                    if c and d:
                        num += img_data[k][l]
            #模板範圍內像素的平均
            num = num / (m*n)
            img_new[i].append(int(num))
    return img_new

 分別使用3*3，5*5，9*9，15*15，35*35的濾波模板

a = [3,5,9,15,35]
new_img = []
for i in a:
    new_img.append(rejector(img, i, i))
new_img.append(img)

可視化結果：

for i in range(len(new_img)):
    plt.subplot(2,3,i+1)
    plt.axis('off')
    plt.imshow(new_img[i], cmap = 'gray')
plt.show()

最後一張是原圖：

 可以看到，對圖像邊界實行0填充，使得圖像邊界的灰度下降，產生黑色邊框