### Python 实现图像滤波 #### 均值滤波 均值滤波是一种简单的线性滤波方法，通过取邻域内像素的平均值来平滑图像，从而去除噪声。下面展示了一个使用 OpenCV 库实现均值滤波的例子： ```python import cv2 import numpy as np # 读取图像 image = cv2.imread('image.jpg') # 应用均值滤波 mean_filtered = cv2.blur(image, (5, 5)) # 显示结果 cv2.imshow('Mean Filter', mean_filtered) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码展示了如何利用 `cv2.blur` 函数应用大小为 \(5 \times 5\) 的卷积核来进行均值滤波[^4]。 #### 维纳滤波 对于更复杂的去噪需求，可以考虑采用维纳滤波器。这里给出一个基于 SciPy 和 NumPy 的简单例子： ```python from scipy.signal import wiener import matplotlib.pyplot as plt import numpy as np from skimage import io, img_as_float # 加载图片并转换成浮点数表示 img = img_as_float(io.imread('noisy_image.png')) # 使用wiener函数进行滤波 filtered_img = wiener(img, (3, 3)) plt.figure(figsize=(12, 6)) plt.subplot(121), plt.title("Original Noisy Image"), plt.axis('off'), plt.imshow(img, cmap='gray') plt.subplot(122), plt.title("Wiener Filtered Image"), plt.axis('off'), plt.imshow(filtered_img, cmap='gray') plt.show() ``` 此段代码实现了对一张灰度图的应用维纳滤波，并对比显示原图与处理后的效果图[^2]。 #### Skimage 中的高斯滤波 除了上述两种常见的滤波方式外，还可以借助于 scikit-image 提供的功能完成其他类型的滤波操作，比如高斯模糊： ```python from skimage.filters import gaussian from skimage import data camera = data.camera() blurred_camera = gaussian(camera, sigma=1) fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(8, 4)) ax[0].imshow(camera, cmap='gray') ax[0].set_title("Original") ax[1].imshow(blurred_camera, cmap='gray') ax[1].set_title(f"Gaussian blurred\n $\sigma$={1}") for a in ax: a.axis('off') plt.tight_layout() plt.show() ``` 该实例说明了怎样运用 `gaussian` 方法给定标准差参数 `\(\sigma\)` 来执行高斯滤波[^3]。