本模板供Python环境使用。另外，你也可以选择用MATLAB完成，或用C++与Opencv完成。

# 对'rice.tif'添加椒盐噪声，再做中值滤波。使用Python+skimage实现
%matplotlib inline
from skimage import io, util, filters
from skimage.morphology import disk
import skimage.filters.rank as sfr
import matplotlib.pyplot as plt
import numpy as np

# 原图片
im = io.imread("book-cover.tif")
plt.figure(figsize=(12,4))
plt.subplot(131), io.imshow(im), plt.axis('off'), plt.title('original image')

# 添加了椒盐噪声
im1 = util.random_noise(im, mode='s&p')
plt.figure(figsize=(12,4))
plt.subplot(132), io.imshow(im1), plt.axis('off'), plt.title('salt & pepper')

# 中值滤波器
im2 = filters.median(im1,np.ones((3, 3)))
plt.figure(figsize=(12,4))
plt.subplot(133), io.imshow(im2), plt.axis('off'), plt.title('median filter')

# 最大值滤波器
im3 = sfr.maximum(im1, disk(5))
plt.figure(figsize=(12,4))
plt.subplot(121), io.imshow(im3), plt.axis('off'), plt.title('maximum filter')

# 最小值滤波器
im4 =sfr.minimum(im1, disk(5))
plt.figure(figsize=(12,4))
plt.subplot(122), io.imshow(im4), plt.axis('off'), plt.title('minimum filter')


def modified_alpha_mean(image, kernel, d=0):
    height, width = image.shape[:2]
    m, n = kernel.shape[:2]

    padding_h = int((m -1)/2)
    padding_w = int((n -1)/2)
    
    # 这样的填充方式，可以奇数核或者偶数核都能正确填充
    image_pad = np.pad(image, ((padding_h, m - 1 - padding_h), \
                                  (padding_w, n - 1 - padding_w)), mode="edge")
    
    img_result = np.zeros(image.shape)
    for i in range(height):
        for j in range(width):
            temp = np.sum(image_pad[i:i + m, j:j + n] * 1)
            img_result[i, j] = temp / (m * n - d)
    return img_result
kernel = np.ones([5, 5])
im5 = modified_alpha_mean(im1, kernel=kernel, d=1)
plt.figure(figsize=(12,12))
plt.subplot(236), plt.imshow(im5, 'gray'), plt.title('Modified alpha mean d=6'), plt.xticks([]),plt.yticks([])

plt.show()