Python OpenCV中值濾波

import cv2 as cv

import numpy as np
def rgb2gray(img):
h=img.shape[0]
w=img.shape[1]
img1=np.zeros((h,w),np.uint8)
for i in range(h):
for j in range(w):
img1[i,j]=0.144*img[i,j,0]+0.587*img[i,j,1]+0.299*img[i,j,2]
return img1
def noise(img,snr):
h=img.shape[0]
w=img.shape[1]
img1=img.copy()
sp=h*w   # 計算影象畫素點個數
np=int(sp*(1-snr))   # 計算影象椒鹽雜訊點個數
for i in range (np):
randx=np.random.randint(1,h-1)   # 生成乙個 1 至 h-1 之間的隨機整數
randy=np.random.randint(1,w-1)   # 生成乙個 1 至 w-1 之間的隨機整數
if np.random.random()<=0.5:   # np.random.random()生成乙個 0 至 1 之間的浮點數
img1[randx,randy]=0
else:
img1[randx,randy]=255
return img1
def median(img):
h=img.shape[0]
w=img.shape[1]
img1 = np.zeros((h, w), np.uint8)
for i in range (1,h-1):
for j in range (1,w-1):
temporary = np.zeros(9, np.uint8)
s=0for k in range (-1,2):
for l in range (-1,2):
temporary[s]=img[i+k,j+l]
s+=1
for y in range (8):
count=y
for x in range (y,8):
if temporary[count]>temporary[x+1]:
count=x+1
temporary[y],temporary[count]=temporary[count],temporary[y]
median=temporary[4]
img1[i,j]=median
return img1
image=cv.imread("d:/testdata/selina.png")
grayimage=rgb2gray(image)
snr=0.9   # 將椒鹽雜訊訊雜比設定為0.9
noiseimage=noise(grayimage,snr)
medianimage=median(noiseimage)
cv.imshow("grayimage",grayimage)
cv.imshow("noiseimage",noiseimage)
cv.imshow("medianimage",medianimage)
cv.waitkey(0)
cv.destroyallwindows()

從結果中可以清晰的看到椒鹽雜訊被中值濾波器濾清，效果相對理想。

halcon median image中值濾波

功能 中值濾波。median image使用乙個正方形或圓形的掩碼對輸入的影象進行中值濾波，濾波結果返回到imagemedian中。可以使用masktype選擇掩碼的形狀。可以使用 radius 選擇掩碼的半徑 一般的，中值濾波器會按公升序對掩碼中的所有灰度值進行排序，然後選擇灰度值的中值 中值濾波...

大頂堆和小頂堆的上濾和下濾

總結一下 上濾一般應用於在乙個已經排序好的二叉堆中插入乙個新節點。首先在堆末新建乙個空間，稱為空穴，然後比較穴的值和其父節點的值。從巨集觀上看，空穴會自下而上地到達滿足堆序的位置。下濾一般應用於刪除了堆頂後的堆序重整過程中。刪除堆頂後把新的堆頂放置在滿足堆序的正確的位置上。分兩種情況 若是大頂堆 哪...

C 資料結構之堆 上濾下濾以及用於排序

includeusing namespace std 堆，就是一棵完全二叉樹，物理儲存方式是陣列，一般情況下，都犧牲第乙個元素arr 0 剩下的就滿足了從1開始計數 若堆從1開始計數，那麼對於乙個節點i，2 i是它的左孩子，2 i 1是它的右孩子 對的最基本操作，包括上濾和下濾 上濾是指 h 1,n...