### 详细注释与解释 以下是针对所提供的Python代码的详细注释和解释，涵盖了OpenCV、NumPy以及Matplotlib的相关功能。 #### 中值滤波实现 ```python import cv2 as cv # 导入OpenCV库并命名为cv以便后续调用。 import matplotlib.pyplot as plt # 导入matplotlib用于显示图像。 # 使用imread函数加载一张名为'maliao_noise.jpg'的图片文件。 img = cv.imread('maliao_noise.jpg') source = cv.cvtColor(img, cv.COLOR_BGR2RGB) # 将BGR颜色空间转换为RGB颜色空间以适应Matplotlib显示需求[^1]。 result = cv.medianBlur(source, 3) # 调用medianBlur方法执行中值滤波操作，内核大小设置为3×3像素窗口[^1]。 titles = ['Source Image', 'medianBlur Image'] # 定义两个标题分别对应原始图像和经过中值滤波后的图像。 images = [source, result] # 创建列表存储两张图像数据方便循环展示。 for i in range(2): # 遍历两次绘制两幅子图。 plt.subplot(1, 2, i + 1), plt.imshow(images[i], 'gray') # 设置子图布局并将当前图像按灰度模式渲染。 plt.title(titles[i]) # 添加对应的标题到每张子图上方。 plt.xticks([]), plt.yticks([]) # 去除坐标轴刻度使图表更简洁美观。 plt.show() # 展示最终结果包含源图及其经由中值滤波处理过的版本。 ``` #### 平均滤波器应用 ```python import numpy as np # 导入NumPy库支持数组运算。 import cv2 as cv # 同样导入OpenCV库简化图像处理流程。 from matplotlib import pyplot as plt # 引入pyplot模块负责绘图工作。 img = cv.imread("maliao_noise.jpg", cv.IMREAD_UNCHANGED) # 加载指定路径下的彩色或单通道噪声图片。 rgb_img = cv.cvtColor(img, cv.COLOR_BGR2RGB) # 对输入图像进行色彩模型变换确保兼容性[^2]。 kernel = np.ones((5,5),np.float32)/25 # 构建一个5x5规格化单位矩阵作为卷积核心权重分布依据[^2]。 dst = cv.filter2D(rgb_img, -1, kernel) # 应用自定义线性滤镜完成邻域平均计算过程从而达到降噪目的[^2]。 titles = ['Source Image', 'filter2D Image'] images = [rgb_img, dst] for i in range(2): plt.subplot(1, 2, i + 1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]), plt.yticks([]) plt.show() ``` 以上代码片段展示了如何利用`cv.medianBlur()`来进行去噪效果显著的中值滤波，同时也演示了通过构建特定尺寸和平坦化的核来实施简单的盒状模糊即所谓的方框滤波技术。两种方式各有优劣，在实际项目开发过程中可根据具体场景灵活选用合适的算法组合达成最佳视觉呈现质量目标[^3]。 --- ###