8.3

'''
Koristeći zašumljenu sliku iz prethodnog primera, ukloniti šum upotrebnom geometrijskog usrednjivača veličina:

3x3
5x5
Koristeći PSNR odrediti koji filtar je dao objektivno najbolje otklanjanje.

Za potrebe rešavanja zadatka napisati funkciju geometricMeanFilt koja implementira filtar geometrijski usrednjivač dat formulom:

gde  (s,t)  predstavljaju prostorne koordinate regiona  Sx,y  posmatran oko centra pozicije  (x,y) ,  g  je ulazna slika a  m,n  predstavljaju dimenzije regiona koji se posmatra. Podrazumevati simetrično proširenje.
'''
import numpy as np
import math

def geometricMeanFilt(g, S_shape):
  f = np.zeros(g.shape)

  pad_rows = math.floor(S_shape[0]/2)
  pad_cols = math.floor(S_shape[1]/2)

  img_p = np.pad(g, ((pad_rows,),(pad_cols,)), mode='symmetric')

  for row in range(f.shape[0]):
    for col in range(f.shape[1]):
      region = img_p[row:row+S_shape[0], col:col+S_shape[1]]

      res = region.prod()**(1/np.prod(S_shape))

      f[row, col] = res

  return f

# 3x3 geometrijski usrednjivac
S_shape = (3,3)

img_f = geometricMeanFilt(img_noisy, S_shape)

fig = px.imshow(img_f, zmin=0, zmax=255, color_continuous_scale='gray')
fig.show()

psnr = 10*np.log10(255**2/((img - img_f)**2).mean())
print("PSNR za geometrijski usrednjivac dimenzije {} je {}".format(S_shape, psnr))

# 5x5 geometrijski usrednjivac
S_shape = (5,5)

img_f = geometricMeanFilt(img_noisy, S_shape)

fig = px.imshow(img_f, zmin=0, zmax=255, color_continuous_scale='gray')
fig.show()

psnr = 10*np.log10(255**2/((img - img_f)**2).mean())
print("PSNR za geometrijski usrednjivac dimenzije {} je {}".format(S_shape, psnr))