Python实现中值滤波去噪方式

一颗松果

发布时间：2026-10-13| 6人浏览过

原创

本文介绍利用Python进行图像中值滤波去噪的方法。通过选取中心邻域并对像素灰度值排序取中值，可有效清除椒盐噪声。需注意邻域大小对图像特征保留的影响，过大可能导致失真。

中值滤波原理与优缺点

中值滤波器去噪：

中值滤波的核心机制是用像素邻域内各点灰度值的中位数替换中心像素值，从而使目标像素更接近真实背景。例如，在白纸上出现黑点时，由于黑点像素值较高，经中值滤波处理后，其周围像素值可能降低。该过程能有效清除相对孤立的噪声点，进而提升图像整体质量。

因此，中值滤波器在去除椒盐噪声方面表现优异。具体操作时，需选定一个中心邻域，将该邻域内所有像素的灰度值按大小排序，并选取排序序列中的中值作为该邻域中心点的最终像素灰度值。

然而，该方法存在局限性：若邻域尺寸选取过大，可能会导致图像细节特征丢失。

实现代码如下：

Python代码实现与效果分析


import numpy as np
import cv2
from PIL import Image
import scipy.signal as signal
import matplotlib.pyplot as plt
#创建一个500*500的矩阵
input_images = np.zeros((500, 500))
filename = "E:/pycharm/GraduationDesign/Test/testtwo.png"
#convert将当前图像转换为灰度模式，并且返回新的图像。
#将图片在重新定义的矩阵中再显示，不然可能会只显示部分。
img = Image.open(filename).resize((500, 500)).convert('L')
plt.subplot(221)
plt.title('原图', fontproperties=font_set)
plt.imshow(img)
#图像的尺寸，按照像素数计算。它的返回值为宽度和高度的二元组（width, height）。
width = img.size[0]
height = img.size[1]
threshold=130
#可以改写代码使其成为二值化,此代码可理解为反向二值化
for h in range(height):
 for w in range(width):
  #getpixel直接获得（h，w）处的像素直接返回这个点三个通道的像素值
  #返回给定位置的像素值。如果图像为多通道，则返回一个元组(r,g,b,阈值）。
  #如果改成（w，h）出现的图像会倒转
  if img.getpixel((w, h)) < threshold:
 
   input_images[h, w] = 1
  else:
   input_images[h, w] = 0
plt.subplot(222)
plt.title('二值化', fontproperties=font_set)
plt.imshow(input_images)
 
data = signal.medfilt2d(np.array(img), kernel_size=3) # 二维中值滤波
for h in range(0, height):
 for w in range(0, width):
  if data[h][w] < 128:
   input_images[h, w] = 0
  else:
   input_images[h, w] = 1
 
plt.subplot(223)
plt.title('中值滤波去噪（3*3）', fontproperties=font_set)
plt.imshow(input_images)
 
data = signal.medfilt2d(np.array(img), kernel_size=7) # 二维中值滤波
for h in range(0, height):
 for w in range(0, width):
  if data[h][w] < 128:
   input_images[h, w] = 0
  else:
   input_images[h, w] = 1
plt.subplot(224)
plt.title('中值滤波去噪（7*7）', fontproperties=font_set)
plt.imshow(input_images)
plt.show()

效果图：