Python+OpenCV 实现简单的高斯滤波

基本原理讲解:高斯模糊的算法 - 阮一峰的网络日志

高斯核函数的编写:构建权重矩阵,采用高斯二维分布函数的形式进行处理。需要注意的是,这里我没有特判当sigma = 0的时候的情况。

即是实现:

1)权重矩阵的构建

        根据公式:Python+OpenCV 实现简单的高斯滤波_第1张图片

 计算矩阵内部结构,其中因为要进行归一化处理,e前方的系数会被约去,因此代码中不体现。

2)矩阵元素归一化处理

        计算矩阵内部元素总和sum,最后做矩阵除法得到归一化处理后的权重矩阵。

# 高斯核生成函数 kernel_size:滤波核大小  sigma:高斯核函数的局部影响范围
def gauss(kernel_size, sigma):
    #定型0填充
    kernel = np.zeros((kernel_size, kernel_size))
    #确定正态分布中间值
    center = kernel_size // 2
    # s:方差 sum:记录总和
    s = sigma ** 2
    sum = 0
    for i in range(kernel_size):
        for j in range(kernel_size):
            #由于最后要进行归一化处理,此处根号下2Π计算可以省略
            x, y = i - center, j - center
            kernel[i, j] = np.exp(-(x ** 2 + y ** 2) / (2 * s))
            sum += kernel[i, j]
    #归一化处理后输出
    kernel = kernel / sum
    return kernel

滤波函数的编写:将图片中的每个像素点(边缘除外)及其周围像素乘以权重矩阵,实现高斯滤波

Python+OpenCV 实现简单的高斯滤波_第2张图片Python+OpenCV 实现简单的高斯滤波_第3张图片

 

 需要注意的是此函数仅能处理彩色图片,因为只有彩色图片拥有img.shape[2]元素,灰度图片没有img.shape[2]元素不能用这个方法处理。

# 高斯滤波实现,img:输入图像 kermel:输入高斯核函数
def myfilter(img,kernel):
    # 读取img行数核列数
    h = img.shape[0]
    w = img.shape[1]
    # 直接拷贝父对象
    img1 = copy.copy(img)
    # 去掉边缘
    for i in range(1,h-1):
        for j in range(1,w-1):
            # 三通道处理
            for c in range(0,2):
                sum = 0
                # 加权
                for k in range(-1,2):
                    for l in range(-1,2):
                        sum += img[i+k,j+l,c]*kernel[k+1,l+1]
                img1[i,j,c] = sum
    return img1

同时在处理高斯滤波的时候,函数采取的是针对3*3的kernel_size进行编写的,要更改kernel_size的大小,需要更改此处的range范围。 Python+OpenCV 实现简单的高斯滤波_第4张图片

 下面是灰度图像的处理方式:

def myfilter2(img,kernel):
    # 读取img行数核列数
    h = img.shape[0]
    w = img.shape[1]
    # 直接拷贝父对象
    img1 = copy.copy(img)
    # 去掉边缘
    for i in range(1,h-1):
        for j in range(1,w-1):
            sum = 0
            for k in range(-1,2):
                for l in range(-1,2):
                    sum += img[i+k,j+l]*kernel[k+1,l+1]
            img1[i,j] = sum
    return img1

 最后整个运行代码:

import copy
import cv2
import numpy as np
#图像读取
img_y = cv2.imread('p2.jpg')
# 选择高斯生成函数3*3,其中sigama = 3
kernel = gauss(3,3)
# 打印这个生成函数
print(kernel)
# 高斯滤波处理
img1 = myfilter(img_y, kernel)
cv2.imshow('P1_yuantu',img_y)
cv2.imshow('P1_gaussian', img1)
cv2.waitKey(0)

 输入输出图像结果展示:

原图与高斯滤波后

Python+OpenCV 实现简单的高斯滤波_第5张图片Python+OpenCV 实现简单的高斯滤波_第6张图片

需要注意的是采取的方法很原始,如果输入的图像过大,运行时间会很久。

这方面东西挺有意思的,只是初略的学习,写些基础的东西,应该还有错漏的地方,希望有大佬们多多指点。

 

 

你可能感兴趣的:(图像处理,opencv,python,人工智能)