opencv+python实现高斯滤波

原理

高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。其滤波核的值由如下公式得到（用当前点与中心点的欧式距离的平方代替下面的（ $x^2+y^2$）：
$$G\text{（}x,y\text{）}=\frac{1}{\sqrt{2\Pi }\sigma }{e}^{-\frac{x^2+y^2}{2{\sigma }^2}}$$

实现

在高斯滤波中，对每一个元素而言，则用它周围邻域和自身的加权求和代替它自身的值，
假设滤波核是$3\times 3$，$a_5$为当前元素，
它周围8联通的像素值分别是$a_1、a_2、a_3、a_4、a_6、a_7、a_8、a_9$，
它对应的权值分别是$w_1、w_2、w_3、w_4、w_5、w_6、w_7、w_8、w_9$，
则有

其中权值矩阵的值是由该高斯的空间距离公式决定的
$$G\text{（}x,y\text{）}=\frac{1}{\sqrt{2\Pi }\sigma }{e}^{-\frac{x^2+y^2}{2{\sigma }^2}}$$

1. 对于前半部分$\frac{1}{\sqrt{2\Pi }\sigma }$可以不计算，因为每一个权值都有相同的部分，那么权值归一化时就会抵消这部分。
2. 对于σ ，我们指定一个 $\sigma$ 值 ，σ 越大，那么高斯核函数的局部影响范围就会越大。
3. 对于 $x^2+y^2$ ，是对空间的欧拉距离的的描述，例如：$a_1$距离 $a_5$ 的横坐标差为1，纵坐标差1，则x = 1, y =1，则对应权值为$w_1=e^{-\frac{1^2+1^2}{2{\sigma }^2}}$ ，通过该方式可以计算出来每一个像素的权值。

代码

import cv2 as cv
import numpy as np
import math
import copy


gauss  = np.array([1,2,1,2,4,2,1,2,1])

def spilt( a ):
    if a/2 == 0:
        x1 = x2 = a/2
    else:
        x1 = math.floor( a/2 )
        x2 = a - x1
    return -x1,x2

def gaussian_b0x(a, b):
    judge = 10
    sum = 0
    box =[]
    x1, x2 = spilt(a)
    y1, y2 = spilt(b)
    for i in range (x1, x2 ):
        for j in range(y1, y2):
            t = i*i + j*j
            re = math.e ** (-t/(2*judge*judge))
            sum = sum + re
            box.append(re)

    box = np.array(box)
    box  = box / sum
    # for x in box :
    #     print (x)
    return box

def original (i, j, k,a, b,img):
    x1, x2 = spilt(a)
    y1, y2 = spilt(b)
    temp = np.zeros(a * b)
    count = 0
    for m in range(x1, x2):
        for n in range(y1, y2):
            if i + m < 0 or i + m > img.shape[0] - 1 or j + n < 0 or j + n > img.shape[1] - 1:
                temp[count] = img[i, j, k]
            else:
                temp[count] = img[i + m, j + n, k]
            count += 1
    return  temp

def gaussian_function(a, b, img, gauss_fun ):
    img0 = copy.copy(img)
    for i in range (0 , img.shape[0]  ):
        for j in range (2 ,img.shape[1] ):
            for k in range (img.shape[2]):
                temp =  original(i, j, k, a, b, img0)
                img[i,j,k] = np.average(temp ,weights = gauss_fun)#按权分配
    return  img

def main():
    gauss_new = gaussian_b0x(3 , 3)
    img0 = cv.imread(r"noise.jpg")
    gauss_img = gaussian_function(3, 3, copy.copy(img0), copy.copy(gauss_new))
    cv.imshow("guassian_img", gauss_img)
    cv.imshow("yuantu", img0)
    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__  ==  "__main__":
    main()