图像处理（一）：高斯滤波

图像处理（一）：高斯滤波

概念介绍

首先, 我们知道, 给定某个二维点坐标 𝐩=($p_x$,$p_y$) , 一个center在点 𝐩 , 方差为 ${\sigma }^2$的高斯分布, 离该点距离为 𝑑 的任意一点 𝐪 的概率分布为
$$\mathcal{N}(\mathbf{q})=\exp (-\frac{d^2}{2{\sigma }^2})$$
对于一个图像$I$，我们可以定义高斯滤波操作为
$$G(\mathbf{p})=\frac{1}{\sum _{q\in S}\mathcal{N}(\mathbf{q})}\sum _{q\in S}\mathcal{N}(\mathbf{q})I_q$$
我们定义像素周围的像素集合$S$为以像素点$\mathbf{p}$为中心，边长为$2n+1$的正方形区域，其中$n=\lfloor 3\sigma \rfloor$

应用

主要是图像后期去噪点，比如磨皮。

代码实现

图片

我们选取梵高的作品

一些工具函数

这个系列之后也可能用到，还是比较重要的

导入模块

from __future__ import print_function
import numpy as np
import matplotlib.pyplot as plt
from time import time
from skimage import io
from scipy import ndimage

%load_ext autoreload
%autoreload 2
%reload_ext autoreload

显示单张图片

def show_image(img, zoom=1.5):
    dpi = 77
    plt.figure(figsize=(img.shape[0]*zoom/dpi,img.shape[0]*zoom/dpi))
    if len(img.shape) == 2:
        img = np.repeat(img[:,:,np.newaxis],3,2)        
    plt.imshow(img, interpolation='nearest')

显示多张图片

def show_images(imglist, zoom=1, needs_encoding=False):
    if type(imglist) is not list:
        imglist = [imglist]
    n = len(imglist)
    first_img = imglist[0]
    dpi = 77
    plt.figure(figsize=(first_img.shape[0]*zoom*n/dpi,first_img.shape[0]*zoom*n/dpi))
    for i in range(0,n):
        img = imglist[i]
        plt.subplot(1,n,i + 1)
        plt.tight_layout()    
        plt.axis('off')
        if len(img.shape) == 2:
            img = np.repeat(img[:,:,np.newaxis],3,2)
        plt.imshow(img, interpolation='nearest')    

高斯滤波

# Parameters:
#   im: rgb三通道图像
#   sigma:  高斯分布的方差 (sigma^2)
def gaussian(im, sigma):
    height, width,_ = im.shape
    img_filtered = np.zeros([height, width, 3 ])
    ### generate the mask
    ### return img_filtered
    gaussian_mask = np.zeros((7, 7))
    for i in range(7):
        for j in range(7):
            gaussian_mask[i][j] = 1/(2*np.pi*sigma*sigma)*np.exp(-((i-3)*(i-3)+(j-3)*(j-3))/(2*sigma*sigma))
    
    ### 归一化
    sum = 0
    for i in range(7):
        for j in range(7):
            sum = sum + gaussian_mask[i][j]
    
    for i in range(7):
        for j in range(7):
            gaussian_mask[i][j] = gaussian_mask[i][j] / sum
    
    ### filter
    for i in range(height):
        for j in range(width):
            for h in range(7):
                for w in range(7):
                    if i-3+h >= 0 and i-3+h < height and j-3+w >= 0 and j-3+w < width:
                        for channel in range(3):
                            img_filtered[i][j][channel] = img_filtered[i][j][channel] + im[i-3+h][j-3+w][channel]*gaussian_mask[h][w]
    
    return img_filtered

import numpy as np
from PIL import Image

img = np.array(Image.open('data/poster.jpg'), dtype=np.float32)
img_filtered = np.asarray(gaussian(img, 3))
show_image(img_filtered.astype(np.uint8))

康康效果

完