如何计算像素周围像素的平均值？

Question

我正在尝试创建一个 5x5 均值滤波器以从图像中去除一些椒盐噪声。我将图像读入一个 numpy 数组。并尝试进行一些更改以计算像素邻居的平均值。我得到的结果很糟糕，我似乎无法弄清楚为什么我的图像结果有差距。

from PIL import Image
import numpy

image1 = 'noisy.jpg'
save1 = 'filtered.jpg'

def average(path, name):
    temp=Image.open(path)
    image_array = numpy.array(temp)
    new_image = []
    for i in range(0, len(image_array)):
        new_image.append([])
    n = 0
    average_sum = 0
    for i in range(0, len(image_array)):
        for j in range(0, len(image_array[i])):
            for k in range(-2, 3):
                for l in range(-2, 3):
                    if (len(image_array) > (i + k) >= 0) and (len(image_array[i]) > (j + l) >= 0):
                        average_sum += image_array[i+k][j+l]
                        n += 1

            new_image[i].append(int(round(average_sum/n)))
            average_sum = 0
            n = 0

    x = Image.fromarray(numpy.array(new_image), 'L')
    x.save(name)
    print("done")

average(image1, save1)

--------------------输入图像----------------

--------------------输出图像----------------

Answer 1

无需为新图像创建列表，只需复制原始图像（或创建与原始图像大小相同的数组）并使用新的平均像素值更改其值。像这样

def average(path, name):
    temp=Image.open(path)
    image_array = numpy.array(temp)
    new_image = image_array.copy()
    n = 0
    average_sum = 0
    for i in range(0, len(image_array)):
        for j in range(0, len(image_array[i])):
            for k in range(-2, 3):
                for l in range(-2, 3):
                    if (len(image_array) > (i + k) >= 0) and (len(image_array[i]) > (j + l) >= 0):
                        average_sum += image_array[i+k][j+l]
                        n += 1

            new_image[i][j] = (int(round(average_sum/n)))
            average_sum = 0
            n = 0

    x = Image.fromarray(numpy.array(new_image), 'L')
    x.save(name)
    print("done")

这给了我以下输出：

Answer 2

我只是想警告任何发现此页面的人。基本上，没有人应该 somenumpyarray[y,x] 直接一一访问像素值。每次键入类似内容时，Numpy 都必须创建 4 个新的 Python 对象（包含 RGB 值的 tuple 对象，以及每个 R/G/B 值的三个单独的 int 对象).那是因为在Python中，一切都是对象（偶数也是对象），也就是说数据不可能是"just read directly from Numpy"。必须创建实际的 Python objects，并且 Numpy 数据（例如数字）被 copied 到这些对象中，每次尝试从 Numpy 读取内容到 Python.

这是您尝试从数组中读取的每像素 4 Python 个对象创建。对于 1080p 图像，如果您只读取一次每个像素，即 8 294 400 个对象。但是上面的代码检查了每个像素周围的 5x5（25 像素）矩阵，因此创建了 207 360 000 个对象！疯了！

此对象创建称为装箱（获取本机 Numpy 数据并 packing/boxing 它在 Python 对象数据结构中）。以及拆箱（获取 Python 数据，提取其中包含的实际值（例如数字）并将其打包到本机 Numpy 数组中）。从 Python 读取/写入 Numpy 数组中的值总是涉及装箱和拆箱，这就是为什么它非常慢，你应该总是改用原生 Numpy 方法对数据进行操作。 Numpy 不是一个通用的 "array" 让我们像对待任何随机访问 Python 列表一样对待。 Numpy 旨在使用其自己的内置函数进行向量/矩阵运算！事实上，你甚至不应该这样做 for X in some_ndarray 因为迭代会调用相同的慢速装箱过程（这种循环中的每个 X 项目都是从 Numpy 中提取并装箱的）。

无论如何...您要实现的是 5x5 "box blur"，这意味着 5x5 半径正方形内所有附近像素的平均值。

因此，您应该使用本机 C++ 库，它在纯净、干净的 RAM 中执行所有操作，根本不涉及 Python。一个这样的库是 OpenCV，它接受一个 ndarray（你的图像像素），并在内部直接从 ndarray 拥有的 RAM 中读取，并直接对每个像素进行本地操作。

代码如下：

import cv2

path = "noisy.jpg"
img = cv2.imread(path)
img = cv2.blur(img, (5,5)) # This is now your box-blurred image.

1920x1080 图像中的基准：

您的原始代码（滥用 Numpy 数组致死并创建超过 2 亿个新的 Python 对象）：87.80000 秒（这还不算）创建超过 2 亿个对象时发生的所有 RAM 滥用）
改用 OpenCV：0.02992 秒（快 2935 倍）

永远不要直接访问 Numpy 数组元素。这不是为了那个。

祝未来的读者好运。

编辑：顺便说一下，要回答原来的问题...要去除椒盐噪声，您应该使用中值过滤器而不是框模糊.

输入：

5x5 框模糊（又名 Mean/Average 模糊）：

img = cv2.blur(img, (5,5))

3x3 中值模糊：

img = cv2.medianBlur(img, 3)

如何计算像素周围像素的平均值？

How do I calculate the average value of a pixel's surrounding pixels?

numpy

image-processing

noise-reduction

python-3.x