OpenCV对椒盐处理后的视频进行均值滤波处理

代码实现：

import cv2
import numpy as np
sp = cv2.VideoCapture('test.avi')
def add_peppersalt_noise(frame,n=10000):result = frame.copy()h,w= frame.shape[:2]for i in range(n):x=np.random.randint(1,h)y=np.random.randint(1,w)if np.random.randint(0,2) == 0:result[x,y]=0else:result[x,y]= 255return result
if not sp.isOpened():print('无法打开视频文件')exit()
while True:ret,frame = sp.read() # ret 布尔值 判断是否读到视频帧 frame是读到的帧if not ret:breakframe = cv2.resize(frame, (540, 380))cv2.imshow('video',frame)noise = add_peppersalt_noise(frame)medianB = cv2.medianBlur(noise, 3)cv2.imshow('noise',noise)cv2.imshow('medianBlur',medianB)if cv2.waitKey(1) == 27:break
sp.release()
cv2.destroyAllWindows()

代码解释：

这段代码实现了对视频添加椒盐噪声椒盐噪声（salt-and-pepper noise）并使用中值滤波进行去噪处理的功能，主要分为视频读取、噪声添加、去噪处理和结果显示四个部分。以下是详细解释：

1. 导入库

import cv2  # OpenCV库，用于视频处理和图像处理
import numpy as np  # NumPy库，用于生成随机数和数组操作

2. 打开视频文件

sp = cv2.VideoCapture('test.avi')  # 创建视频捕获对象，读取本地视频文件'test.avi'

cv2.VideoCapture 用于打开视频文件或摄像头，这里传入视频路径表示读取本地文件。

3. 定义添加椒盐噪声的函数

def add_peppersalt_noise(frame, n=10000):result = frame.copy()  # 复制原始帧，避免修改原图h, w = frame.shape[:2]  # 获取图像的高度(h)和宽度(w)for i in range(n):  # 循环n次，添加n个噪声点x = np.random.randint(1, h)  # 随机生成x坐标（1到h-1之间）y = np.random.randint(1, w)  # 随机生成y坐标（1到w-1之间）if np.random.randint(0, 2) == 0:  # 50%概率生成"椒噪声"（黑色点）result[x, y] = 0  # 像素值设为0（黑色）else:  # 50%概率生成"盐噪声"（白色点）result[x, y] = 255  # 像素值设为255（白色）return result  # 返回添加噪声后的图像

​​​​​​​椒盐噪声：图像中随机出现的黑色点（椒噪声，值为 0）和白色点（盐噪声，值为 255），模拟图像传感器干扰或传输错误。

参数 n 控制噪声数量（默认 10000 个），值越大噪声越密集。

4. 检查视频是否打开成功

if not sp.isOpened():print('无法打开视频文件')exit()  # 打开失败则退出程序

​​​​​​​isOpened() 用于判断视频是否成功打开（路径错误、文件损坏等会导致失败）。

5. 循环处理视频帧

while True:ret, frame = sp.read()  # 读取一帧视频# ret：布尔值，True表示读取成功；frame：当前帧的图像数组（numpy数组）if not ret:break  # 读取失败或视频结束，退出循环# 调整帧大小（可选，便于显示）frame = cv2.resize(frame, (540, 380))  # 缩放到宽540、高380像素# 显示原始视频帧cv2.imshow('video', frame)# 对当前帧添加椒盐噪声noise = add_peppersalt_noise(frame)cv2.imshow('noise', noise)  # 显示带噪声的帧# 对噪声帧进行中值滤波去噪medianB = cv2.medianBlur(noise, 3)  # 3×3卷积核的中值滤波cv2.imshow('medianBlur', medianB)  # 显示去噪后的帧# 按ESC键（ASCII码27）退出循环if cv2.waitKey(1) == 27:break

中值滤波（cv2.medianBlur）：对椒盐噪声去噪效果极佳，原理是用邻域内像素的中值替换中心像素，能有效去除极端值（黑白噪声点）。

cv2.waitKey(1)：等待 1 毫秒，同时检测按键，确保窗口刷新和交互。

6. 释放资源

sp.release()  # 释放视频捕获对象
cv2.destroyAllWindows()  # 关闭所有显示窗口

必须在程序结束时释放资源，避免内存泄漏。

整体效果

运行后会显示三个窗口：

video：原始视频帧

noise：添加椒盐噪声后的视频帧（可见大量黑白斑点）

medianBlur：中值滤波处理后的视频帧（噪声明显减少，图像较清晰）

通过对比可以直观看到中值滤波对椒盐噪声的去除效果。如果噪声更严重，可增大 add_peppersalt_noise 中的 n 值，或调整 medianBlur 的卷积核大小（如 5，需为奇数）。

输出结果：

​​​​​​​