python pil实现高斯模糊

高斯模糊的算法 

讲的是Gaussian Blur,讲的很详细，值得仔细阅读！

python最常用的图像处理库是PIL（PythonImaging Library），它内置了高斯模糊方法，简单代码如下：

[python]  view plain  copy

1. import Image   
2. import ImageFilter  
3.   
4. im=Image.open('im.jpg')  
5. im=im.filter(ImageFilter.GaussianBlur(radius=2))  
6.   
7. im.show()  

其中这个GaussianBlur()函数源代码有错误：设置radius无效，也就是说radius不管设置成多大，都是按2来计算的。错误太明显了！我们都知道radius越大图像越模糊。这个错误在PIL源文件的ImageFilter.py中，第156行。截取部分源码可知：

[python]  view plain  copy

1. # Gaussian blur filter.  
2.   
3. class GaussianBlur(Filter):  
4.     name = "GaussianBlur"  
5.   
6.     def __init__(self, radius=2):  
7.         self.radius = 2<span style="white-space:pre;">  </span>#这个地方明显不对  
8.     def filter(self, image):  
9.         return image.gaussian_blur(self.radius)  

自己改正过来：

[python]  view plain  copy

1. class MyGaussianBlur(ImageFilter.Filter):  
2.     name="GaussianBlur"  
3.       
4.     def __init__(self, radius=2):  
5.         self.radius=radius  
6.     def filter(self, image):  
7.         return image.gaussian_blur(self.radius)  

其实，上面的例子关于高斯模糊是不完整的。它没有提供设置sigema值的方法，只提供了设置radius的方法。在pyOpenCV中应该有完整的高斯模糊函数，可以直接调用。我决定简单地自己实现一下：

下面是具体代码，只用了PIL库和numpy，PIL仅用于读写图像， numpy用于矩阵计算。全过程完全符合阮一峰的网络日志

[python]  view plain  copy

1. # -*- coding: utf-8 -*-  
2.   
3. import math  
4. import numpy as np  
5. import Image  
6.   
7. class MyGaussianBlur():  
8.     #初始化  
9.     def __init__(self, radius=1, sigema=1.5):  
10.         self.radius=radius  
11.         self.sigema=sigema      
12.     #高斯的计算公式  
13.     def calc(self,x,y):  
14.         res1=1/(2*math.pi*self.sigema*self.sigema)  
15.         res2=math.exp(-(x*x+y*y)/(2*self.sigema*self.sigema))  
16.         return res1*res2  
17.     #得到滤波模版  
18.     def template(self):  
19.         sideLength=self.radius*2+1  
20.         result = np.zeros((sideLength, sideLength))  
21.         for i in range(sideLength):  
22.             for j in range(sideLength):  
23.                 result[i,j]=self.calc(i-self.radius, j-self.radius)  
24.         all=result.sum()  
25.         return result/all      
26.     #滤波函数  
27.     def filter(self, image, template):   
28.         arr=np.array(image)  
29.         height=arr.shape[0]  
30.         width=arr.shape[1]  
31.         newData=np.zeros((height, width))  
32.         for i in range(self.radius, height-self.radius):  
33.             for j in range(self.radius, width-self.radius):  
34.                 t=arr[i-self.radius:i+self.radius+1, j-self.radius:j+self.radius+1]  
35.                 a= np.multiply(t, template)  
36.                 newData[i, j] = a.sum()  
37.         newImage = Image.fromarray(newData)            
38.         return newImage  
39.   
40. r=1 #模版半径，自己自由调整  
41. s=2 #sigema数值，自己自由调整  
42. GBlur=MyGaussianBlur(radius=r, sigema=s)#声明高斯模糊类  
43. temp=GBlur.template()#得到滤波模版  
44. im=Image.open('lena1.bmp')#打开图片  
45. image=GBlur.filter(im, temp)#高斯模糊滤波，得到新的图片  
46. image.show()#图片显示  

原图像：

高斯模糊后的图像：

我这个例子同时提供了设置radius和sigema的方法。欢迎大家批评指正。

缺点：

运算时间太长了，跟要处理图像的大小成正比。为了测试能快一点，我只能把lena只取一张脸来测试了！另外，没有考虑边缘像素！

注：

os.listdir(path)遍历文件夹下的所有文件名