python声音滤波 python 滤波

目录

一、导入库

二、读取图片并且转换成灰度图

三、制造一些噪声点

四、编写模板

五、高斯滤波及相关的编写

六、调用函数

七、显示并保存图片

八、完整代码

---

就不讲它的实现原理了，这里有个我觉得还比较清晰的文章，

Python里面是有相应的高斯滤波实现库的，但是由于我们的作业要求不能用，所以就自己来实现。

一、导入库

import cv2
import numpy as np
import math
import random

二、读取图片并且转换成灰度图

因为用cv2读取图片的结果好像都是彩色图，所以建议一定要先转换成灰度

# 读取图像
imag = cv2.imread('3.jpg')
imag = cv2.cvtColor(imag, cv2.COLOR_BGR2GRAY)
[a, b] = imag.shape

三、制造一些噪声点

这里我的噪声比较粗糙，是简单的椒盐噪声，喜欢其他的可以改成其他的

# 制造噪声
for i in range(30):
    x = random.randint(0, a)
    y = random.randint(0, b)
    imag[x, y] = 0

四、编写模板

了解滤波的同学都应该知道需要建立一个模板来遍历图像，这里我用的是根据高斯滤波原理中的

参数来计算模板的大小，因为希望大部分都在这个范围内，所以用的是（-3

,3

)

# 计算模板的大小以及模板
def compute(delta):
    k = round(3 * delta) * 2 + 1
    print('模的大小为:', k)
    H = np.zeros((k, k))
    k1 = (k - 1) / 2
    for i in range(k):
        for j in range(k):
            H[i, j] = (1 / (2 * 3.14 * (delta ** 2))) * math.exp((-(i - k1) ** 2 - (j - k1) ** 2) / (2 * delta ** 2))
    k3 = [k, H]
    print(H)
    print(sum(sum(H)))
    return k3

五、高斯滤波及相关的编写

# 相关
def relate(a, b, k):
    n = 0
    sum1 = np.zeros((k, k))

    for m in range(k):
        for n in range(k):
            sum1[m, n] = a[m, n] * b[m, n]
    return sum(sum(sum1))


# 高斯滤波
def fil(imag, delta=0.7):
    k3 = compute(delta)
    k = k3[0]
    H = k3[1]
    k1 = (k - 1) / 2
    [a, b] = imag.shape
    k1 = int(k1)
    new1 = np.zeros((k1, b))
    new2 = np.zeros(((a + (k - 1)), k1))
    imag1 = np.r_[new1, imag]
    imag1 = np.r_[imag1, new1]
    imag1 = np.c_[new2, imag1]
    imag1 = np.c_[imag1, new2]
    y = np.zeros((a, b))
    sum2 = sum(sum(H))
    for i in range(k1, (k1 + a)):
        for j in range(k1, (k1 + b)):
            y[(i - k1), (j - k1)] = relate(imag1[(i - k1):(i + k1 + 1), (j - k1):(j + k1 + 1)], H, k) / sum2
    return y

六、调用函数

一定要先转换成uint8！不然没有办法显示

# 滤波
imag2 = fil(imag)
imag2 = np.array(imag2, dtype='uint8')

七、显示并保存图片

这里的1.jpg是灰度化后并且加了噪声的图片，2.jpg是最后的结果，你们也可以自己取文件名，而'1','2'是显示的窗口的名字，用于区分就好，你们也可以改成其他的

# 显示并保存图像
cv2.imshow('1', imag)
cv2.imwrite('1.jpg', imag)
cv2.imwrite('2.jpg', imag2)
cv2.imshow("2", imag2)

八、完整代码

注意事项：如果你们要运行我的代码，首先改你保存的图片的路径，还有你想存储的图片名和路径

# filter.py
import cv2
import numpy as np
import math
import random


# 计算模板的大小以及模板
def compute(delta):
    k = round(3 * delta) * 2 + 1
    print('模的大小为:', k)
    H = np.zeros((k, k))
    k1 = (k - 1) / 2
    for i in range(k):
        for j in range(k):
            H[i, j] = (1 / (2 * 3.14 * (delta ** 2))) * math.exp((-(i - k1) ** 2 - (j - k1) ** 2) / (2 * delta ** 2))
    k3 = [k, H]
    print(H)
    print(sum(sum(H)))
    return k3


# 相关
def relate(a, b, k):
    n = 0
    sum1 = np.zeros((k, k))

    for m in range(k):
        for n in range(k):
            sum1[m, n] = a[m, n] * b[m, n]
    return sum(sum(sum1))


# 高斯滤波
def fil(imag, delta=0.7):
    k3 = compute(delta)
    k = k3[0]
    H = k3[1]
    k1 = (k - 1) / 2
    [a, b] = imag.shape
    k1 = int(k1)
    new1 = np.zeros((k1, b))
    new2 = np.zeros(((a + (k - 1)), k1))
    imag1 = np.r_[new1, imag]
    imag1 = np.r_[imag1, new1]
    imag1 = np.c_[new2, imag1]
    imag1 = np.c_[imag1, new2]
    y = np.zeros((a, b))
    sum2 = sum(sum(H))
    for i in range(k1, (k1 + a)):
        for j in range(k1, (k1 + b)):
            y[(i - k1), (j - k1)] = relate(imag1[(i - k1):(i + k1 + 1), (j - k1):(j + k1 + 1)], H, k) / sum2
    return y


# 读取图像
imag = cv2.imread('3.jpg')
imag = cv2.cvtColor(imag, cv2.COLOR_BGR2GRAY)
[a, b] = imag.shape
# 制造噪声
for i in range(30):
    x = random.randint(0, a)
    y = random.randint(0, b)
    imag[x, y] = 0
# 滤波
imag2 = fil(imag)
imag2 = np.array(imag2, dtype='uint8')

# 显示并保存图像
cv2.imshow('1', imag)
cv2.imwrite('1.jpg', imag)
cv2.imwrite('2.jpg', imag2)
cv2.imshow("2", imag2)