opencv中有较多滤波函数，如中值滤波等，但没有最大值和最小值滤波。本文将介绍用python numpy实现最大值滤波功能，可以说是不需要借助opencv即可实现。
1 定义函数maxBlur
定义最大值滤波的函数为maxBlur，包含3个参数，分别如下所示：
（1）image：输入图像，array类型。
（2）kernel：最大值范围，tuple类型，第一个元素表示x方向取最大值的范围，第二个元素表示y方向取最大值的范围。
（3）limit：需要最大值滤波的元素，tuple类型，如（a，b)表示像素值范围在[a, b]的像素才进行最大值滤波。
该函数做到了以下几个兼容性：
（1）适合灰度图片或者RGB图片。
（2）不局限于图像的数组，array。
（3）适合任意数量的通道数。
2 参考程序
# -*- coding: utf-8 -*-
"""
乐乐感知学堂公众号
@author: https://blog.csdn.net/suiyingy
"""
import numpy as np
def maxBlur(image, kernel=(3, 3), limit=(0, 255)):
"""
Parameters
----------
image : array, 输入矩阵或数组.
kernel : tuple or list, optional
分别为x、y方向上的最大值取值区间范围. The default is (3, 3).
limit : tuple or list, optional
指定进行最大值滤波的像素范围. The default is (0, 255).
Returns
-------
image_c : array，处理后矩阵或数组。
"""
image_c = image.copy()
if len(image_c.shape) == 2:
image_c = image_c[:, :, np.newaxis]
h, w, c = image_c.shape
image_c1 = image_c.copy()
for i in range(h):
for j in range(w):
x1 = max(j-kernel[0]//2, 0)
x2 = min(x1 + kernel[0], w)
y1 = max(i-kernel[1]//2, 0)
y2 = min(y1 + kernel[1], h)
for k in range(c):
if image_c[i, j, k] >= limit[0] and image_c[i, j, k] <= limit[1]:
sub_img = image_c1[y1:y2, x1:x2, k]
image_c[i, j, k] = np.max(sub_img)
if len(image.shape) == 2:
image_c = image_c.reshape(h, w)
return image_c
if __name__ == '__main__':
np.random.seed(1)
x = np.random.randint(0, 256, (10, 10))
x[x<150] = 0
y = maxBlur(x)
print('x:\n', x)
print('y:\n', y)
3 测试结果
更多三维、二维感知算法和金融量化分析算法请关注“乐乐感知学堂”微信公众号，并将持续进行更新。
扫描二维码关注公众号，回复：
14345800 查看本文章
