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