自适中值应滤波器 python_python 自适应中值滤波

import matplotlib.pyplot as plt
import cv2 as cv
import numpy as np
import random

def salt_pepper_noise(img,prob):              #椒盐噪声
    imgin = img.copy()
    width, height = img.shape[:2]
    thres = 1-prob
    for i in range(width):
        for j in range(height):
            noi_num = random.random()
            if noi_num < prob:
                noi_flag = 0
            elif noi_num > thres: 
                noi_flag = 255
            else:
                noi_flag = imgin[i][j]
            imgin[i][j] = noi_flag
    return imgin

def self_adp_med_filter(img):
    imgin = img.copy()
    imgout = np.zeros(imgin.shape, dtype=np.uint16)         #使用uint16是因为发现图片数字可能超过255
    width, height = imgin.shape[:2]
    for i in range(width):
        for j in range(height):
            window = 1
            filflag = 0
            if (i>=window and i<(width - window)) and (j>=window and j<(height - window)):             #不计算图像最外圈
                while filflag == 0:
                    square_sequance = np.zeros((window * 2 + 1) ** 2, dtype=np.uint16)       
                    seqc = 0
                    for m in range(window * 2 + 1):
                        for n in range(window * 2 + 1):
                            if (i-window + m == width) or (j-window + n == height):
                                break
                            square_sequance[seqc] = imgin[i-window + m][j-window + n]
                            seqc += 1
                            
                            #square_sequance.append(imgin[i-window + m][j-window + n])
    
                    square_sequance.sort()          #排序
                    a1 = np.float32(square_sequance[((window * 2 + 1)**2//2)]) - np.float32(square_sequance[0])         #A层
                    a2 = np.float32(square_sequance[((window * 2 + 1)**2//2)]) - np.float32(square_sequance[(window * 2 + 1)**2-1])
                    if a1 > 0 and a2 < 0:           #转到B层
                        b1 = np.float32(imgin[i][j]) - np.float32(square_sequance[0])                                   #B层
                        b2 = np.float32(imgin[i][j]) - np.float32(square_sequance[(window * 2 + 1)**2-1])               #计算时使用float，因为图像进行计算时不会出现负数
                        if b1 > 0 and b2 < 0:
                            imgout[i][j] = imgin[i][j]
                        else:
                            imgout[i][j] = np.uint16(square_sequance[((window * 2 + 1)**2//2)])
                        break 
                    else:                           #增大窗口尺寸
                        if window <= i and window <= j and (height - j-1) >= window and (width - i-1) >= window:   #防止窗口溢出边缘
                            window += 1
                            continue
                        else :
                            imgout[i][j] = imgin[i][j]
                            break
            else:
                imgout[i][j] = np.uint8(imgin[i][j]) 
                
    return imgout

if __name__ == '__main__':
    img_orig = cv.imread('/Users/mushroom/Downloads/python_jup/a.jpg')        # 读取灰度图片
    grayimg=cv.cvtColor(img_orig,cv.COLOR_BGRA2GRAY)                             # 将图片设置为仅为灰度图
    outimg50 = salt_pepper_noise(grayimg,0.25)
    outimg20 = salt_pepper_noise(grayimg,0.1)
    imgrebuild50 = self_adp_med_filter(outimg50)
    imgrebuild20 = self_adp_med_filter(outimg20)
    plt.subplot(111),plt.imshow(cv.cvtColor(img_orig, cv.COLOR_BGR2RGB))
    plt.show()
    plt.subplot(121),plt.imshow(cv.cvtColor(outimg50, cv.COLOR_BGR2RGB))
    plt.subplot(122),plt.imshow(cv.cvtColor(outimg20, cv.COLOR_BGR2RGB))
    plt.show()
    plt.subplot(121),plt.imshow(cv.cvtColor(imgrebuild50, cv.COLOR_BGR2RGB))
    plt.subplot(122),plt.imshow(cv.cvtColor(imgrebuild20, cv.COLOR_BGR2RGB))
    plt.show()