python中对图像进行维纳(wiener)滤波

在MATLAB中直接有个维纳滤波函数wiener2可以调用&＃xff0c;觉得很有用&＃xff0c;但是在python并没有直接可以调用维纳滤波的函数&＃xff0c;看见网上很多的教程都是自己根据原理自己编写的函数&＃xff0c;这样也很有用&＃xff0c;不过有个直接调用的函数我觉得很方便&＃xff0c;最后我发现SciPy库有wiener滤波函数的调用。

我不写维纳滤波的原理&＃xff0c;其原理在网上有很多博主写的都很详细、易懂&＃xff0c;我在此主要讲一下如何实现SciPy库中wiener的实现。

语法&＃xff1a;

scipy.signal.wiener
(im,mysize&＃61;None,noise&＃61;None
)


输入参数&＃xff1a;

• im&＃xff1a;矩阵ndarray(一个N维矩阵)
• mysize&＃xff1a;每个维度滤波窗口的大小&＃xff0c;一个标量或者长度为N的列表&＃xff0c;最好为奇数值
• noise&＃xff1a;使用的噪音功率。如果没有&＃xff0c;则估计噪声为输入的局部方差的平均值。

返回参数&＃xff1a;

• out&＃xff1a;跟im大小相同的维纳滤波的结果

举例说明&＃xff1a;

from scipy.signal import wiener
import cv2
import numpy as np
import matplotlib.pyplot as pltdef gasuss_noise(image, mean&＃61;0, var&＃61;0.001):&＃39;&＃39;&＃39;添加高斯噪声mean : 均值var : 方差&＃39;&＃39;&＃39;image &＃61; np.array(image/255, dtype&＃61;float)noise &＃61; np.random.normal(mean, var ** 0.5, image.shape)out &＃61; image &＃43; noiseif out.min() < 0:low_clip &＃61; -1.else:low_clip &＃61; 0.out &＃61; np.clip(out, low_clip, 1.0)out &＃61; np.uint8(out*255)#cv.imshow("gasuss", out)return outif __name__ &＃61;&＃61; &＃39;__main__&＃39;:lena &＃61; cv2.imread(r&＃39;C:\Users\99347\.atom\packages\markdown-preview-plus\node_modules\markdown-it-imsize\test\img\lena.jpg&＃39;)if lena.shape[-1] &＃61;&＃61; 3:lenaGray &＃61; cv2.cvtColor(lena, cv2.COLOR_BGR2GRAY)else:lenaGray &＃61; lena.copy()plt.figure(&＃39;原图&＃39;)plt.imshow(lenaGray, cmap&＃61;&＃39;gray&＃39;)# 添加高斯噪声lenaNoise &＃61; gasuss_noise(lenaGray)plt.figure(&＃39;添加高斯噪声后的图像&＃39;)plt.imshow(lenaNoise, cmap&＃61;&＃39;gray&＃39;)# 维纳滤波lenaNoise &＃61; lenaNoise.astype(&＃39;float64&＃39;)lenaWiener &＃61; wiener(lenaNoise, [3, 3])lenaWiener &＃61; np.uint8(lenaWiener / lenaWiener.max() * 255)plt.figure(&＃39;经过维纳滤波后的图像&＃39;)plt.imshow(lenaWiener, cmap&＃61;&＃39;gray&＃39;)plt.show()


输出结果&＃xff1a;