07. 高斯模糊
1. 什么是高斯模糊
高斯模糊,顾名思义,就是使用高斯分布(即正态分布)作为卷积权重表的像素平滑方法。
2. 高斯模糊的原理
高斯模糊通过使用高斯分布的钟形曲线作为卷积核的权重分配表,实现了相对于均值模糊、中值模糊更好的降采样表现。这是因为中心点附近像素对中心点像素的关联性随距离而下降,这与高斯分布的特点是高度一致的,所以使用高斯分布为卷积核分配权重,能够得到更好的效果。
import cv2 as cv
import numpy as np
def clamp(pv):
if pv > 255:
return 255
if pv < 0:
return 0
else:
return pv
def gaussian_noise(image):
h, w, c = image.shape
for row in range(h):
for col in range(w):
s = np.random.normal(0, 20, 3)
b = image[row, col, 0] #blue
g = image[row, col, 1] #green
r = image[row, col, 2] #red
image[row, col, 0] = clamp(b + s[0])
image[row, col, 1] = clamp(g + s[1])
image[row, col, 2] = clamp(r + s[2])
cv.imshow("noise image", image)
print("--------------Hello Python----------------")
src = cv.imread("F:/tool/PyCharm/pic/test1.jpeg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
t1 = cv.getTickCount()
gaussian_noise(src)
t2 = cv.getTickCount()
time = (t2 - t1)/cv.getTickFrequency()
print("time consume:%s"%(time * 1000))
dst = cv.GaussianBlur(src, (0, 0), 15)
cv.imshow("Gaussian Blur", dst)
cv.waitKey(0)
cv.destroyAllWindows()