99. 修正阿尔法均值滤波器

7. 图像复原与重建索引

一、修正阿尔法均值滤波器（Modified alpha-mean filter）

• 修正阿尔法均值滤波器也属于统计排序滤波器，其思想类似于比赛中去掉最高分和最低分后计算平均分的方法。
• 令Sxy 表示中心在点 (x,y) 、大小为 m∗n 的矩形子窗口（邻域）的一组坐标，修正阿尔法均值滤波器在由 Sxy 定义的邻域中，删除 d 个最低灰度值和 d 个最高灰度值，计算剩余像素的算术平均值作为输出结果，即：
  
  d 的取值范围是[0,mn/2−1]。选择 d 的大小对图像处理的效果影响很大，当 d=0 时简化为算术平均滤波器，当d=mn/2−1 简化为中值滤波器。d 取其它值时，适合于处理多种混合噪声，如高斯噪声和椒盐噪声。

二、例程

• 9.13：修正阿尔法均值滤波器

import cv2
import numpy as np
from matplotlib import pyplot as plt
# 9.13: 修正阿尔法均值滤波器 (Modified alpha-mean filter)
img = cv2.imread(r"E:/OpenCV/Fig0507b.tif", 0)  # flags=0 读取为灰度图像
img_h = img.shape[0]
img_w = img.shape[1]

m, n = 5, 5
kernalMean = np.ones((m, n), np.float32)  # 生成盒式核

# 边缘填充
hPad = int((m-1) / 2)
wPad = int((n-1) / 2)
imgPad = np.pad(img.copy(), ((hPad, m-hPad-1), (wPad, n-wPad-1)), mode="edge")

imgAlphaFilter0 = np.zeros(img.shape)
imgAlphaFilter1 = np.zeros(img.shape)
imgAlphaFilter2 = np.zeros(img.shape)
for i in range(img_h):
    for j in range(img_w):
        # 邻域 m * n
        pad = imgPad[i:i+m, j:j+n]
        padSort = np.sort(pad.flatten())  # 对邻域像素按灰度值排序

        d = 1
        sumAlpha = np.sum(padSort[d:m*n-d-1])  # 删除 d 个最大灰度值, d 个最小灰度值
        imgAlphaFilter0[i, j] = sumAlpha / (m*n-2*d)  # 对剩余像素进行算术平均

        d = 2
        sumAlpha = np.sum(padSort[d:m*n-d-1])
        imgAlphaFilter1[i, j] = sumAlpha / (m*n-2*d)

        d = 4
        sumAlpha = np.sum(padSort[d:m*n-d-1])
        imgAlphaFilter2[i, j] = sumAlpha / (m*n-2*d)

plt.figure(figsize=(9, 7))
plt.subplot(221), plt.axis('off'), plt.title("Original")
plt.imshow(img, cmap='gray', vmin=0, vmax=255)
plt.subplot(222), plt.axis('off'), plt.title("Modified alpha-mean(d=1)")
plt.imshow(imgAlphaFilter0, cmap='gray', vmin=0, vmax=255)
plt.subplot(223), plt.axis('off'), plt.title("Modified alpha-mean(d=2)")
plt.imshow(imgAlphaFilter1, cmap='gray', vmin=0, vmax=255)
plt.subplot(224), plt.axis('off'), plt.title("Modified alpha-mean(d=4)")
plt.imshow(imgAlphaFilter2, cmap='gray', vmin=0, vmax=255)
plt.tight_layout()
plt.show()

三、资料

youcans_的博客：
https://blog.csdn.net/youcans/article/details/122839469