原理
- 概念:通过计算每个像素周围的领域像素的均值替代当前像素的值。
- 优缺点:
- 速度快
- 导致图像细节模糊,特别是对于边缘和纹理等细节。
- 图解:
![在这里插入图片描述](https://img-blog.csdnimg.cn/dc748558b377486c90373d5c3991e2d4.png#pic_center)
实战
from torch import nn
from torchvision import transforms
from imgaug import augmenters as iaa
def imgaug_example(image, kernel_size=3):
"""
args:
image: np.ndarray
kernel_size: 核数, 取值范围(1, 7)
"""
augmenter = iaa.AverageBlur(k=kernel_size)
image = augmenter(image=image)
return image
def torch_example(image, kernel_size=3):
"""
args:
image: torch.Tensor
kernel_size: 核数, 取值范围(1, 7)
"""
padding = int((kernel_size - 1) / 2)
image = transforms.Pad(padding=padding, padding_mode='reflect')(image)
image = nn.AvgPool2d(kernel_size, stride=1)(image)
return image
![在这里插入图片描述](https://img-blog.csdnimg.cn/5de976040bb6442194148b9522cc124f.png#pic_center)