【OpenCV 例程 200篇】98. 统计排序滤波器

欢迎关注『OpenCV 例程 200 篇』系列，持续更新中
欢迎关注『Python小白的OpenCV学习课』系列，持续更新中

3.5 统计排序滤波器

统计排序滤波器是空间滤波器，其响应是基于滤波器邻域中的像素值的顺序，排序结果决定了滤波器的输出。

统计排序包括中值滤波器、最大值滤波器、最小值滤波器、中点滤波器和修正阿尔法均值滤波器。

中值滤波器：用预定义的像素邻域中的灰度中值来代替像素的值，与线性平滑滤波器相比能有效地降低某些随机噪声，且模糊度要小得多。

f^(x,y)=median(r,c)∈Sxy{g(r,c)}\hat{f}(x,y) = {median} _{(r,c) \in Sxy} \{g(r,c)\} f^(x,y)=median(r,c)∈Sxy{g(r,c)}

由于需要排序操作，中值滤波消耗的运算时间很长。
OpenCV 提供了 cv.medianBlur 函数实现中值滤波算法，详见《例程 1.73：图像的非线性滤波—中值滤波器》。

最大值滤波器：用预定义的像素邻域中的灰度最大值来代替像素的值，可用于找到图像中的最亮点，或用于消弱与明亮区域相邻的暗色区域，也可以用来降低胡椒噪声。

f^(x,y)=max⁡(r,c)∈Sxy{g(r,c)}\hat{f}(x,y) = \max _{(r,c) \in Sxy} \{g(r,c)\} f^(x,y)=(r,c)∈Sxymax{g(r,c)}

最小值滤波器：用预定义的像素邻域中的灰度最小值来代替像素的值，可用于找到图像中的最暗点，或用于削弱与暗色区域相邻的明亮区域，也可以用来降低盐粒噪声。

f^(x,y)=min⁡(r,c)∈Sxy{g(r,c)}\hat{f}(x,y) = \min _{(r,c) \in Sxy} \{g(r,c)\} f^(x,y)=(r,c)∈Sxymin{g(r,c)}

中点滤波器：用预定义的像素邻域中的灰度的最大值与最小值的均值来代替像素的值，注意中点的取值与中值常常是不同的。中点滤波器是统计排序滤波器与平均滤波器的结合，适合处理随机分布的噪声，例如高斯噪声、均匀噪声。

f^(x,y)=[max⁡(r,c)∈Sxy{g(r,c)}+min⁡(r,c)∈Sxy{g(r,c)}]/2\hat{f}(x,y) = [\max _{(r,c) \in Sxy} \{g(r,c)\} + \min _{(r,c) \in Sxy} \{g(r,c)\}]/2 f^(x,y)=[(r,c)∈Sxymax{g(r,c)}+(r,c)∈Sxymin{g(r,c)}]/2

例程 9.12：统计排序滤波器

    # 9.12: 统计排序滤波器 (Statistical sorting filter)img = cv2.imread("../images/Fig0508a.tif", 0)  # flags=0 读取为灰度图像img_h = img.shape[0]img_w = img.shape[1]m, n = 3, 3kernalMean = np.ones((m, n), np.float32)  # 生成盒式核# 边缘填充hPad = int((m-1) / 2)wPad = int((n-1) / 2)imgPad = np.pad(img.copy(), ((hPad, m-hPad-1), (wPad, n-wPad-1)), mode="edge")imgMedianFilter = np.zeros(img.shape)  # 中值滤波器imgMaxFilter = np.zeros(img.shape)  # 最大值滤波器imgMinFilter = np.zeros(img.shape)  # 最小值滤波器imgMiddleFilter = np.zeros(img.shape)  # 中点滤波器for i in range(img_h):for j in range(img_w):# # 1. 中值滤波器 (median filter)pad = imgPad[i:i+m, j:j+n]imgMedianFilter[i, j] = np.median(pad)# # 2. 最大值滤波器 (maximum filter)pad = imgPad[i:i+m, j:j+n]imgMaxFilter[i, j] = np.max(pad)# # 3. 最小值滤波器 (minimum filter)pad = imgPad[i:i+m, j:j+n]imgMinFilter[i, j] = np.min(pad)# # 4. 中点滤波器 (middle filter)pad = imgPad[i:i+m, j:j+n]imgMiddleFilter[i, j] = int(pad.max()/2 + pad.min()/2)plt.figure(figsize=(9, 7))plt.subplot(221), plt.axis('off'), plt.title("median filter")plt.imshow(imgMedianFilter, cmap='gray', vmin=0, vmax=255)plt.subplot(222), plt.axis('off'), plt.title("maximum filter")plt.imshow(imgMaxFilter, cmap='gray', vmin=0, vmax=255)plt.subplot(223), plt.axis('off'), plt.title("minimum filter")plt.imshow(imgMinFilter, cmap='gray', vmin=0, vmax=255)plt.subplot(224), plt.axis('off'), plt.title("middle filter")plt.imshow(imgMiddleFilter, cmap='gray', vmin=0, vmax=255)plt.tight_layout()plt.show()

程序说明：

需要说明的是，本例程和各种滤波器图像处理结果是为了说明滤波器实现的编程方法和程序运行结果。图中一些滤波器图像处理的效果较差，并不能全面反映该滤波器的性能，只能说明该滤波器不适合处理某些类型的噪声。关于统计滤波器在处理不同噪声的选择和比较，可以参考冈萨雷斯《数字图像处理（第四版）》第五章的相关内容。

（本节完）

youcans@xupt 原创作品，转载必须标注原文链接

Crated：2022-2-1

欢迎关注『OpenCV 例程200篇』系列，持续更新中
欢迎关注『Python小白的OpenCV学习课』系列，持续更新中

【OpenCV 例程200篇】01. 图像的读取（cv2.imread）
【OpenCV 例程200篇】02. 图像的保存（cv2.imwrite）
【OpenCV 例程200篇】03. 图像的显示（cv2.imshow）
【OpenCV 例程200篇】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 例程200篇】05. 图像的属性（np.shape）
【OpenCV 例程200篇】06. 像素的编辑（img.itemset）
【OpenCV 例程200篇】07. 图像的创建（np.zeros）
【OpenCV 例程200篇】08. 图像的复制（np.copy）
【OpenCV 例程200篇】09. 图像的裁剪（cv2.selectROI）
【OpenCV 例程200篇】10. 图像的拼接（np.hstack）
【OpenCV 例程200篇】11. 图像通道的拆分（cv2.split）
【OpenCV 例程200篇】12. 图像通道的合并（cv2.merge）
【OpenCV 例程200篇】13. 图像的加法运算（cv2.add）
【OpenCV 例程200篇】14. 图像与标量相加（cv2.add）
【OpenCV 例程200篇】15. 图像的加权加法（cv2.addWeight）
【OpenCV 例程200篇】16. 不同尺寸的图像加法
【OpenCV 例程200篇】17. 两张图像的渐变切换
【OpenCV 例程200篇】18. 图像的掩模加法
【OpenCV 例程200篇】19. 图像的圆形遮罩
【OpenCV 例程200篇】20. 图像的按位运算
【OpenCV 例程200篇】21. 图像的叠加
【OpenCV 例程200篇】22. 图像添加非中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】24. 图像的仿射变换
【OpenCV 例程200篇】25. 图像的平移
【OpenCV 例程200篇】26. 图像的旋转（以原点为中心）
【OpenCV 例程200篇】27. 图像的旋转（以任意点为中心）
【OpenCV 例程200篇】28. 图像的旋转（直角旋转）
【OpenCV 例程200篇】29. 图像的翻转（cv2.flip）
【OpenCV 例程200篇】30. 图像的缩放（cv2.resize）
【OpenCV 例程200篇】31. 图像金字塔（cv2.pyrDown）
【OpenCV 例程200篇】32. 图像的扭变（错切）
【OpenCV 例程200篇】33. 图像的复合变换
【OpenCV 例程200篇】34. 图像的投影变换
【OpenCV 例程200篇】35. 图像的投影变换（边界填充）
【OpenCV 例程200篇】36. 直角坐标与极坐标的转换
【OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理
【OpenCV 例程200篇】38. 图像的反色变换（图像反转）
【OpenCV 例程200篇】39. 图像灰度的线性变换
【OpenCV 例程200篇】40. 图像分段线性灰度变换
【OpenCV 例程200篇】41. 图像的灰度变换（灰度级分层）
【OpenCV 例程200篇】42. 图像的灰度变换（比特平面分层）
【OpenCV 例程200篇】43. 图像的灰度变换（对数变换）
【OpenCV 例程200篇】44. 图像的灰度变换（伽马变换）
【OpenCV 例程200篇】45. 图像的灰度直方图
【OpenCV 例程200篇】46. 直方图均衡化
【OpenCV 例程200篇】47. 图像增强—直方图匹配
【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配
【OpenCV 例程200篇】49. 图像增强—局部直方图处理
【OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强
【OpenCV 例程200篇】51. 图像增强—直方图反向追踪
【OpenCV 例程200篇】52. 图像的相关与卷积运算
【OpenCV 例程200篇】53. Scipy 实现图像二维卷积
【OpenCV 例程200篇】54. OpenCV 实现图像二维卷积
【OpenCV 例程200篇】55. 可分离卷积核
【OpenCV 例程200篇】56. 低通盒式滤波器
【OpenCV 例程200篇】57. 低通高斯滤波器
【OpenCV 例程200篇】58. 非线性滤波—中值滤波
【OpenCV 例程200篇】59. 非线性滤波—双边滤波
【OpenCV 例程200篇】60. 非线性滤波—联合双边滤波
【OpenCV 例程200篇】61. 导向滤波（Guided filter）
【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽
【OpenCV 例程200篇】63. 图像锐化——Laplacian 算子
【OpenCV 例程200篇】64. 图像锐化——Sobel 算子
【OpenCV 例程200篇】65. 图像锐化——Scharr 算子
【OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通
【OpenCV 例程200篇】67. 空间域图像增强的综合应用
【OpenCV 例程200篇】68. 空间域图像增强的综合应用
【OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数
【OpenCV 例程200篇】70. 一维连续函数的傅里叶变换
【OpenCV 例程200篇】71. 连续函数的取样
【OpenCV 例程200篇】72. 一维离散傅里叶变换
【OpenCV 例程200篇】73. 二维连续傅里叶变换
【OpenCV 例程200篇】74. 图像的抗混叠
【OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换
【OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换
【OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换
【OpenCV 例程200篇】78. 频率域图像滤波基础
【OpenCV 例程200篇】79. 频率域图像滤波的基本步骤
【OpenCV 例程200篇】80. 频率域图像滤波详细步骤
【OpenCV 例程200篇】81. 频率域高斯低通滤波器
【OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器
【OpenCV 例程200篇】83. 频率域低通滤波：印刷文本字符修复
【OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器
【OpenCV 例程200篇】85. 频率域高通滤波器的应用
【OpenCV 例程200篇】86. 频率域滤波应用：指纹图像处理
【OpenCV 例程200篇】87. 频率域钝化掩蔽
【OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波
【OpenCV 例程200篇】89. 带阻滤波器的传递函数
【OpenCV 例程200篇】90. 频率域陷波滤波器
【OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声
【OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声
【OpenCV 例程200篇】93. 噪声模型的直方图
【OpenCV 例程200篇】94. 算术平均滤波器
【OpenCV 例程200篇】95. 几何均值滤波器
【OpenCV 例程200篇】96. 谐波平均滤波器
【OpenCV 例程200篇】97. 反谐波平均滤波器
【OpenCV 例程200篇】98. 统计排序滤波器
【OpenCV 例程200篇】99. 修正阿尔法均值滤波器
【OpenCV 例程200篇】100. 自适应局部降噪滤波器