Python手写均值滤波算法详解与实现

Chloe

发布时间：2026-10-13| 6人浏览过

原创

本文详细介绍如何在Python中手动实现均值滤波算法。通过构建n*n卷积核并对图像像素进行滑动窗口平均计算，结合边界填充技术处理边缘像素，最终输出去噪后的图像。文中提供完整代码及关键逻辑解析，适用于图像处理初学者理解滤波原理。

Python手写均值滤波算法详解与实现

本文分享一个使用Python手动实现均值滤波的具体代码示例，供读者参考学习。

均值滤波的基本原理与卷积操作相似。其核心是设定一个尺寸为n*n的滤波模板（即卷积核），将该模板覆盖区域内的所有像素值进行累加，然后除以模板包含的元素总数，得到的平均值即作为该位置滤波后的新像素值。

具体的Python实现代码如下：


import cv2 as cv
import numpy as np


#均值滤波
def meansBlur(src, ksize):
 '''
 :param src: input image
 :param ksize:kernel size
 :return dst: output image
 '''
 dst = np.copy(src) #创建输出图像
 kernel = np.ones((ksize, ksize)) # 卷积核
 padding_num = int((ksize - 1) / 2) #需要补0
 dst = np.pad(dst, (padding_num, padding_num), mode="constant", constant_values=0)
 w, h = dst.shape
 dst = np.copy(dst)
 for i in range(padding_num, w - padding_num):
  for j in range(padding_num, h - padding_num):
   dst[i, j] = np.sum(kernel * dst[i - padding_num:i + padding_num + 1, j - padding_num:j + padding_num + 1]) \
      // (ksize ** 2)
 dst = dst[padding_num:w - padding_num, padding_num:h - padding_num] #把操作完多余的0去除，保证尺寸一样大
 return dst


img_path = r"F:\03.png"
img = cv.imread(img_path,0)
dst = meansBlur(img,5)
cv.imshow('src',img)
cv.imshow('dst',dst)
print(dst)
cv.waitKey(0)

代码注释说明：红框区域标识了两个嵌套for循环的作用范围。表达式 i - padding_num:i + padding_num + 1 表示对第i行数据，向上扩展padding_num行，向下扩展padding_num行；末尾的+1是因为Python列表切片采用左闭右开区间，右边界元素无法直接取到。padding_num参数用于在图像周围填充一圈零值，以处理边界像素。