python去噪函数_Python计算机视觉3：模糊,平滑,去噪

我是一名初学者，如果你发现文中有错误，请留言告诉我，谢谢

图像的模糊和平滑是同一个层面的意思，平滑的过程就是一个模糊的过程。

而图像的去噪可以通过图像的模糊、平滑来实现（图像去噪还有其他的方法）

那么怎么才能对一幅图像进行模糊平滑呢？

图像的模糊平滑是对图像矩阵进行平均的过程。相比于图像锐化（微分过程），图像平滑处理是一个积分的过程。

图像平滑过程可以通过原图像和一个积分算子进行卷积来实现。

下面介绍两种积分算子

全1算子

最简单的积分算子就是全1算子

利用全1算子可以对图像进行模糊平滑操作，有一定的去噪能力。

下面是python实例

importnumpy as npfrom PIL importImageimportmatplotlib.pyplot as pltimportmatplotlib.cm as cm

suanzi= np.ones((3,3)) #创建全1算子

#打开图像并转化成灰度图像

image = Image.open("pika.jpg").convert("L")

image_array=np.array(image)#原图像与全1算子进行卷积

image2 = signal.convolve2d(image_array,suanzi,mode="same")#将结果灰度值转化到0-255

image2 = (image2/float(image2.max()))*255

#显示图像

plt.subplot(2,1,1)

plt.imshow(image_array,cmap=cm.gray)

plt.axis("off")

plt.subplot(2,1,2)

plt.imshow(image2,cmap=cm.gray)

plt.axis("off")

plt.show()

运行结果如下图，（为了看到效果，图像经过人工局部放大）

上图为原图像，下图为经过模糊处理图像

比较两幅图可以看出，全1算子有一定的模糊平滑效果

高斯算子

利用高斯算子进行模糊处理就是我们常听到的高斯模糊。

标准差为σ的高斯分布如下式

我们可以通过numpy模块的fromfunction()方法来生成高斯算子。

importnumpy as np#乘以100是为了使算子中的数便于观察#sigma指定高斯算子的标准差

def func(x,y,sigma=1):return 100*(1/(2*np.pi*sigma))*np.exp(-((x-2)**2+(y-2)**2)/(2.0*sigma**2))#生成标准差都2的5*5高斯算子

a = np.fromfunction(func,(5,5),sigma=2)print(a)#结果

[[ 2.92749158 4.25947511 4.82661763 4.25947511 2.92749158]

[4.25947511 6.19749972 7.02268722 6.19749972 4.25947511]

[4.82661763 7.02268722 7.95774715 7.02268722 4.82661763]

[4.25947511 6.19749972 7.02268722 6.19749972 4.25947511]

[2.92749158 4.25947511 4.82661763 4.25947511 2.92749158]]

对上面的5*5高斯算子每个元素进行四舍五入，可以得到下面矩阵

看到有些地方直接用上面的矩阵对图像进行高斯模糊，实际上是运用的是标准差为2的高斯近似算子。

利用高斯算子对图像进行模糊，程序如下

importnumpy as npfrom PIL importImageimportmatplotlib.pyplot as pltimportmatplotlib.cm as cmimportscipy.signal as signal#生成高斯算子的函数

def func(x,y,sigma=1):return 100*(1/(2*np.pi*sigma))*np.exp(-((x-2)**2+(y-2)**2)/(2.0*sigma**2))#生成标准差为2的5*5高斯算子

suanzi = np.fromfunction(func,(5,5),sigma=2)#打开图像并转化成灰度图像

image = Image.open("pika.jpg").convert("L")

image_array=np.array(image)#图像与高斯算子进行卷积

image2 = signal.convolve2d(image_array,suanzi,mode="same")#结果转化到0-255

image2 = (image2/float(image2.max()))*255

#显示图像

plt.subplot(2,1,1)

plt.imshow(image_array,cmap=cm.gray)

plt.axis("off")

plt.subplot(2,1,2)

plt.imshow(image2,cmap=cm.gray)

plt.axis("off")

plt.show()

运行结果如下图，（为了看到效果，图像经过人工局部放大）

上图为原图像，下图为经过高斯模糊处理图像

对比高斯算子和全1算子，可以看出，高斯算子的模糊想过似乎更好。

而且，我们可以通过更改高斯算子的标准差和维数来调整模糊效果

一般来说，高斯算子标准差越大，维数越大，图像越模糊。

参考列表

1.《python计算机视觉编程》

2.度娘，感谢那些热爱分享知识的朋友