高斯模糊实验

一、实验介绍

1. 实验内容

本实验将学习高斯模糊。

2. 实验要点

高斯模糊图像
使用高通滤波器测试性能
3. 实验环境

Python 3.6.6
numpy
matplotlib
cv2
二、实验步骤
1 导入资源并显示图像
import numpy as np
import matplotlib.pyplot as plt
import cv2

%matplotlib inline

读入图像

image = cv2.imread(‘images/brain_MR.jpg’)

制作图像副本

image_copy = np.copy(image)

将颜色更改为RGB（从BGR）

image_copy = cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB)

plt.imshow(image_copy)
<matplotlib.image.AxesImage at 0x7ff2ed79cf28>

转换为灰度用于过滤

gray = cv2.cvtColor(image_copy, cv2.COLOR_RGB2GRAY)

创建高斯模糊图像

gray_blur = cv2.GaussianBlur(gray, (9, 9), 0)

f, (ax1, ax2) = plt.subplots(1, 2, figsize=(20,10))

ax1.set_title(‘original gray’)
ax1.imshow(gray, cmap=‘gray’)

ax2.set_title(‘blurred image’)
ax2.imshow(gray_blur, cmap=‘gray’)

高通滤波器

3x3 Sobel滤波器用于边缘检测

sobel_x = np.array([[ -1, 0, 1],
[ -2, 0, 2],
[ -1, 0, 1]])

sobel_y = np.array([[ -1, -2, -1],
[ 0, 0, 0],
[ 1, 2, 1]])

使用filter2D过滤原始和模糊的灰度图像

filtered = cv2.filter2D(gray, -1, sobel_x)

filtered_blurred = cv2.filter2D(gray_blur, -1, sobel_y)
f, (ax1, ax2) = plt.subplots(1, 2, figsize=(20,10))

ax1.set_title(‘original gray’)
ax1.imshow(filtered, cmap=‘gray’)

ax2.set_title(‘blurred image’)
ax2.imshow(filtered_blurred, cmap=‘gray’)

创建一个阈值，将所有过滤的像素设置为白色

在一定的阈值之上

retval, binary_image = cv2.threshold(filtered_blurred, 50, 255, cv2.THRESH_BINARY)

plt.imshow(binary_image, cmap=‘gray’)