### 基于最大值和最小值法的图像均值采样的Python实现 为了实现基于最大值和最小值法的图像均值采样，可以采用以下方式。该方法涉及遍历图像中的每一个像素点，并应用特定大小（如3×3）的核来计算局部区域内的最大值、最小值以及平均值。 对于给定的一个窗口或核，在每个位置上执行的操作包括： - 计算当前窗口内所有像素的最大值。 - 计算当前窗口内所有像素的最小值。 - 如果中心像素大于等于最大值，则将其设置为最大值；如果小于等于最小值，则设为中心像素所在处的最小值；否则保持不变或者按照具体应用场景调整逻辑[^1]。 下面是一个简单的例子，展示如何利用NumPy库来进行这种类型的滤波操作： ```python import numpy as np from scipy import ndimage def max_min_mean_filter(image, kernel_size=3): pad_width = (kernel_size - 1) // 2 # 对输入图片进行填充以适应卷积运算 padded_image = np.pad(image, ((pad_width, pad_width), (pad_width, pad_width)), mode='reflect') output = np.zeros_like(image) for i in range(pad_width, image.shape[0]+pad_width): for j in range(pad_width, image.shape[1]+pad_width): window = padded_image[i-pad_width:i+pad_width+1, j-pad_width:j+pad_width+1] min_val = np.min(window) max_val = np.max(window) mean_val = np.mean(window) center_pixel = padded_image[i,j] if center_pixel >= max_val: new_value = max_val elif center_pixel <= min_val: new_value = min_val else: new_value = mean_val output[i-pad_width][j-pad_width] = int(new_value) return output # 测试函数 if __name__ == "__main__": img = np.array([ [31, 33, 745, 483], [331, 469, 804, 479], [235, 487, 244, 982], [857, 114, 167, 174]]) result = max_min_mean_filter(img) print(result) ``` 此代码片段定义了一个`max_min_mean_filter()` 函数，它接受一张灰度图作为参数，并返回经过处理后的图像数组。这里采用了反射边界条件(`mode='reflect'`)对原始图像进行了适当扩展以便能够正确地应用于边缘像素点上的过滤过程[^3]。