均值滤波原理

以某一像素为中心，在它的周围选择一邻域，将邻域内所有点的均值（灰度值相加求平均）来代替原来像素值。

S：点(x,y)为中心的邻域；  

 M：邻域S内总像素数目

如此以此类推直到如下：

边界像素处理？？

通常边界像素有两种处理方法：1.不进行处理，保留原值。2.在这些像素周围构建邻域，例如重复边界像素，然后再进行处理。

效果分析：

若邻域内存在噪声，经过平均，噪声幅度会大为降低。

点与点之间的灰度差值变小，边缘和细节处变得模糊。

邻域半径越大，图像模糊程度越厉害。

代码实现：

import cv2lena = cv2.imread("lenacolor.png")
lena_noise = cv2.imread("lenaNoise.png")lena_r5 = cv2.blur(lena, (5, 5))          # 卷积核大小为5X5
lena_r10 = cv2.blur(lena, (10, 10))        # 卷积核大小为10X10lena_noise_r5 = cv2.blur(lena_noise, (5,5)) cv2.imshow("lena_original", lena)     
cv2.imshow("lena_noise", lena_noise)      # 带有椒盐噪声的lena图cv2.imshow("lena_r5", lena_r5)
cv2.imshow("lena_r10", lena_r10)
cv2.imshow("lena_noise_r5", lena_noise_r5)cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

                                        lena原图                                                                              带有椒盐噪声的lena图

                                卷积核大小为5x5的中值滤波                                               卷积核大小为10x10的中值滤波

        卷积核大小为5x5、对带有椒盐噪声的lena的中值滤波            卷积核大小为10x10、对带有椒盐噪声的lena的中值滤波

总结

不难看出，中值滤波处理图像时候会使图像中的轮廓模糊，并且是指的卷积核大小越大，轮廓的模糊程度越大。其次卷积核越大去噪效果越明显，当然花费的计算时间也会比较长，同时图片失真也会越来越严重。在实际处理中，要在失真和去噪之间取得平衡，就要选择合适的卷积核大小。