Python+OpenCV 實現(xiàn)簡單的高斯濾波(推薦)

更新時間：2021年09月18日 15:31:16 作者：林林zonzon

這篇文章主要介紹了Python+OpenCV 實現(xiàn)簡單的高斯濾波,在文中需要注意的是，這里我沒有特判當sigma = 0的時候的情況，具體實現(xiàn)過程跟隨小編一起看看吧

基本原理講解：高斯模糊的算法

高斯核函數的編寫：構建權重矩陣，采用高斯二維分布函數的形式進行處理。需要注意的是，這里我沒有特判當sigma = 0的時候的情況。

即是實現(xiàn)：

1）權重矩陣的構建

根據公式：

計算矩陣內部結構，其中因為要進行歸一化處理，e前方的系數會被約去，因此代碼中不體現(xiàn)。

2）矩陣元素歸一化處理

計算矩陣內部元素總和sum,最后做矩陣除法得到歸一化處理后的權重矩陣。

# 高斯核生成函數 kernel_size:濾波核大小  sigma:高斯核函數的局部影響范圍
def gauss(kernel_size, sigma):
    #定型0填充
    kernel = np.zeros((kernel_size, kernel_size))
    #確定正態(tài)分布中間值
    center = kernel_size // 2
    # s:方差 sum:記錄總和
    s = sigma ** 2
    sum = 0
    for i in range(kernel_size):
        for j in range(kernel_size):
            #由于最后要進行歸一化處理，此處根號下2Π計算可以省略
            x, y = i - center, j - center
            kernel[i, j] = np.exp(-(x ** 2 + y ** 2) / (2 * s))
            sum += kernel[i, j]
    #歸一化處理后輸出
    kernel = kernel / sum
    return kernel

濾波函數的編寫：將圖片中的每個像素點（邊緣除外）及其周圍像素乘以權重矩陣，實現(xiàn)高斯濾波

需要注意的是此函數僅能處理彩色圖片，因為只有彩色圖片擁有img.shape[2]元素，灰度圖片沒有img.shape[2]元素不能用這個方法處理。

# 高斯濾波實現(xiàn)，img:輸入圖像 kermel:輸入高斯核函數
def myfilter(img,kernel):
    # 讀取img行數核列數
    h = img.shape[0]
    w = img.shape[1]
    # 直接拷貝父對象
    img1 = copy.copy(img)
    # 去掉邊緣
    for i in range(1,h-1):
        for j in range(1,w-1):
            # 三通道處理
            for c in range(0,2):
                sum = 0
                # 加權
                for k in range(-1,2):
                    for l in range(-1,2):
                        sum += img[i+k,j+l,c]*kernel[k+1,l+1]
                img1[i,j,c] = sum
    return img1

同時在處理高斯濾波的時候，函數采取的是針對3*3的kernel_size進行編寫的，要更改kernel_size的大小，需要更改此處的range范圍。

下面是灰度圖像的處理方式：

def myfilter2(img,kernel):
    # 讀取img行數核列數
    h = img.shape[0]
    w = img.shape[1]
    # 直接拷貝父對象
    img1 = copy.copy(img)
    # 去掉邊緣
    for i in range(1,h-1):
        for j in range(1,w-1):
            sum = 0
            for k in range(-1,2):
                for l in range(-1,2):
                    sum += img[i+k,j+l]*kernel[k+1,l+1]
            img1[i,j] = sum
    return img1

最后整個運行代碼：

import copy
import cv2
import numpy as np
#圖像讀取
img_y = cv2.imread('p2.jpg')
# 選擇高斯生成函數3*3，其中sigama = 3
kernel = gauss(3,3)
# 打印這個生成函數
print(kernel)
# 高斯濾波處理
img1 = myfilter(img_y, kernel)
cv2.imshow('P1_yuantu',img_y)
cv2.imshow('P1_gaussian', img1)
cv2.waitKey(0)

輸入輸出圖像結果展示：

原圖與高斯濾波后