高斯滤波gaussian_filter()

参考:https://blog.csdn.net/zhangfuliang123/article/details/76100973

高斯滤波是一种线性平滑滤波,可以去除高斯噪声,其效果是降低图像灰度的尖锐变化,也就是图像模糊了。高斯滤波对于抑制服从正态分布的噪声效果非常好,其代价是使图像变得模糊。当然,有时对图像进行平滑滤波的目的就是让图像变模糊。

所谓模糊,可以理解成每一个像素都去周边像素的平均值。显然,计算平均值时,取值范围越大,模糊效果越强烈。接下来的问题就是,既然每个点都要取周边像素的平均值,那么应该如何分配权重呢?如果使用简单平均,显然不是很合理,因为图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远,因此,加权平均更合理,距离越近的点权重越大,距离越远的点权重越小。

高斯模糊

比较常见的图像模糊算法为”高斯模糊“,所谓模糊,可以理解为每一个像素都取周边像素的平均值

 

上图中,2是中间点,周边点都是1,中间点取周围点的平均值,就会变成1,在数值上,这是一种平滑化,在图形上,就相当于产生模

  • 26
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
`filters.gaussian_filter` 是一个 SciPy 库中的函数,它可以对输入的 N 维数组进行高斯滤波高斯滤波是一种常见的图像滤波方法,它可以通过降低图像中高频部分的强度来减少图像中的噪声,并模糊图像中的细节。高斯滤波器是一个线性滤波器,它使用高斯核函数(或者高斯分布)来对图像进行卷积。 `filters.gaussian_filter` 函数的语法为: ```python scipy.ndimage.filters.gaussian_filter(input, sigma, order=0, output=None, mode='reflect', cval=0.0, truncate=4.0) ``` 其中,参数含义如下: - `input`:要进行滤波的 N 维数组。 - `sigma`:高斯核函数的标准差。较大的值将导致更强的模糊效果。 - `order`:用于计算高斯核函数的导数的阶数。默认为0,表示不计算导数。 - `output`:可选参数,指定输出的数组。 - `mode`:指定输入数组的边界模式。默认为 'reflect',表示输入数组在边界处被反射。 - `cval`:当 `mode` 为 'constant' 时,用于指定输入数组边界外的常数值。 - `truncate`:高斯核函数的截断参数,用于控制高斯函数的半径。默认为 4.0。 下面是一个使用 `filters.gaussian_filter` 进行高斯滤波的示例: ```python import scipy.ndimage as ndimage import numpy as np import matplotlib.pyplot as plt # 生成一张随机噪声图像 np.random.seed(0) img = np.random.rand(512, 512) # 对图像进行高斯滤波 filtered_img = ndimage.gaussian_filter(img, sigma=10) # 显示原始图像和滤波后的图像 fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(8, 4)) axes[0].imshow(img, cmap='gray') axes[0].set_title('Original Image') axes[1].imshow(filtered_img, cmap='gray') axes[1].set_title('Filtered Image') plt.show() ``` 运行结果如下图所示,可以看到经过高斯滤波后的图像变得更加模糊,噪声也得到了一定的抑制。 ![gaussian_filter_demo](https://img-blog.csdnimg.cn/20211013192950643.png)

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值