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的中值（中间值），并用该中值替换原始像素值。

为了理解中值滤波器，让我们考虑同样的黑白图像场景，其中小的黑点代表噪声。图像中的每个像素都有一个二值——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，它根据像素的强度值将它们按升序排列。

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，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。

结构元素通过计算其邻域内的中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。

较大的邻域将产生更强的平滑效果，同时减少图像的精细细节。另一方面，较小的邻域将产生较少的平滑效果，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对输入图像应用中值滤波器。它用在其邻居中计算的中值替换每个像素值。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 - 输入图像。

• Bc - 定义邻域的结构元素。默认情况下，它是一个边长为3的正方形。

• mode (可选) - 指定函数如何处理图像的边界。它可以取不同的值，例如'reflect'，'constant'，'nearest'，'mirror'或'wrap'。默认设置为'reflect'。

• cval (可选) - 当mode='constant'时使用的值。默认值为0.0。

• out (可选) - 指定存储过滤后图像的输出数组。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)
# Displaying the original image
fig, axes = mtplt.subplots(1, 2, figsize=(9, 4))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')
# Displaying the median filtered image
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，我们将得到以下输出：

使用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'reflect'模式。反射模式沿图像边缘创建镜像效果。它允许我们通过镜像方式复制像素来虚拟地扩展图像。

这样，我们即使在边缘也能为中值滤波器提供相邻像素。

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的邻居。

它使用这些虚拟邻居计算中值，从而在图像边缘产生更精确的平滑过程。

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')
# Displaying the original image
fig, axes = mtplt.subplots(1, 2, figsize=(9, 4))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')
# Displaying the median filtered image
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进行初始化，以存储生成的滤波图像。

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

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)
# Create an output array for the filtered image
output = np.empty(image.shape)
# store the result in the output array
mh.median_filter(image, Bc=mh.disk(12), out=output)
# Displaying the original image
fig, axes = mtplt.subplots(1, 2, figsize=(9, 4))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')
# Displaying the median filtered image
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：