Python如何实现图像去噪方式

这篇文章将为大家详细讲解有关Python如何实现图像去噪方式，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

实现对图像进行简单的高斯去噪和椒盐去噪。

代码如下：

import numpy as np from PIL import Image import matplotlib.pyplot as plt import random import scipy.misc import scipy.signal import scipy.ndimage from matplotlib.font_manager import FontProperties font_set = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=10)   def medium_filter(im, x, y, step):   sum_s = []   for k in range(-int(step / 2), int(step / 2) + 1):     for m in range(-int(step / 2), int(step / 2) + 1):       sum_s.append(im[x + k][y + m])   sum_s.sort()   return sum_s[(int(step * step / 2) + 1)]     def mean_filter(im, x, y, step):   sum_s = 0   for k in range(-int(step / 2), int(step / 2) + 1):     for m in range(-int(step / 2), int(step / 2) + 1):       sum_s += im[x + k][y + m] / (step * step)   return sum_s     def convert_2d(r):   n = 3   # 3*3 滤波器, 每个系数都是 1/9   window = np.ones((n, n)) / n ** 2   # 使用滤波器卷积图像   # mode = same 表示输出尺寸等于输入尺寸   # boundary 表示采用对称边界条件处理图像边缘   s = scipy.signal.convolve2d(r, window, mode='same', boundary='symm')   return s.astype(np.uint8)     def convert_3d(r):   s_dsplit = []   for d in range(r.shape[2]):     rr = r[:, :, d]     ss = convert_2d(rr)     s_dsplit.append(ss)   s = np.dstack(s_dsplit)   return s     def add_salt_noise(img):   rows, cols, dims = img.shape   R = np.mat(img[:, :, 0])   G = np.mat(img[:, :, 1])   B = np.mat(img[:, :, 2])     Grey_sp = R * 0.299 + G * 0.587 + B * 0.114   Grey_gs = R * 0.299 + G * 0.587 + B * 0.114     snr = 0.9     noise_num = int((1 - snr) * rows * cols)     for i in range(noise_num):     rand_x = random.randint(0, rows - 1)     rand_y = random.randint(0, cols - 1)     if random.randint(0, 1) == 0:       Grey_sp[rand_x, rand_y] = 0     else:       Grey_sp[rand_x, rand_y] = 255   #给图像加入高斯噪声   Grey_gs = Grey_gs + np.random.normal(0, 48, Grey_gs.shape)   Grey_gs = Grey_gs - np.full(Grey_gs.shape, np.min(Grey_gs))   Grey_gs = Grey_gs * 255 / np.max(Grey_gs)   Grey_gs = Grey_gs.astype(np.uint8)     # 中值滤波   Grey_sp_mf = scipy.ndimage.median_filter(Grey_sp, (7, 7))   Grey_gs_mf = scipy.ndimage.median_filter(Grey_gs, (8, 8))     # 均值滤波   Grey_sp_me = convert_2d(Grey_sp)   Grey_gs_me = convert_2d(Grey_gs)     plt.subplot(321)   plt.title('加入椒盐噪声',fontproperties=font_set)   plt.imshow(Grey_sp, cmap='gray')   plt.subplot(322)   plt.title('加入高斯噪声',fontproperties=font_set)   plt.imshow(Grey_gs, cmap='gray')     plt.subplot(323)   plt.title('中值滤波去椒盐噪声（8*8）',fontproperties=font_set)   plt.imshow(Grey_sp_mf, cmap='gray')   plt.subplot(324)   plt.title('中值滤波去高斯噪声（8*8）',fontproperties=font_set)   plt.imshow(Grey_gs_mf, cmap='gray')     plt.subplot(325)   plt.title('均值滤波去椒盐噪声',fontproperties=font_set)   plt.imshow(Grey_sp_me, cmap='gray')   plt.subplot(326)   plt.title('均值滤波去高斯噪声',fontproperties=font_set)   plt.imshow(Grey_gs_me, cmap='gray')   plt.show()     def main():   img = np.array(Image.open('E:/pycharm/GraduationDesign/Test/testthree.png'))   add_salt_noise(img)     if __name__ == '__main__':   main()

效果如下

关于“Python如何实现图像去噪方式”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。