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实现最小值滤波功能，可以说是不需要借助opencv即可实现。

1 定义函数minBlur

        定义最小值滤波的函数为minBlur，包含3个参数，分别如下所示：

        （1）image：输入图像，array类型。

        （2）kernel：最小值范围，tuple类型，第一个元素表示x方向取最小值的范围，第二个元素表示y方向取最小值的范围。

        （3）limit：需要最小值滤波的元素，tuple类型，如（a，b)表示像素值范围在[a, b]的像素才进行最小值滤波。

        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

import numpy as np
 
def minBlur(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方向上的最小值取值区间范围. The default is (3, 3).
    limit : tuple or list, optional
        指定进行最小值滤波的像素范围. 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.min(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] = 255
    y = minBlur(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。