图像处理: 设计动态高斯滤波

JNingWei

发布于 2018-09-27 15:36:36

6170

发布于 2018-09-27 15:36:36

文章被收录于专栏：JNing的专栏

Idea

opencv 中有个实现 高斯滤波 的接口，如下：

cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)

在做项目的过程中，我发现如果根据 像素点相对整张图片的位置 设计 不同的滤波核大小（即参数 ksize），就可以灵活地对整张图片实现 动态高斯滤波 了。

具体滤波核大小计算公式如下：

size = int(k1*x + k2*y + b) * 2 + 1

Note : 注意保证输出结果为 整型奇数，因为 参数 ksize 只接受整型奇数输入。

由于我的图片大小是 600×424×3 ，所以我的 k1，k2，b 取值如下：

k1,k2,b=⎧⎩⎨⎪⎪0,0.012,00.009,0,00.0053,0.0053,0垂直高斯;水平高斯;对角高斯.

k1, k2, b=\left\{\begin{array}{ll}0, 0.012, 0 &\mbox{垂直高斯;}\\0.009, 0, 0 &\mbox{水平高斯;}\\0.0053, 0.0053, 0 &\mbox{对角高斯.}\end{array}\right.

Demo

原图像：

水平动态高斯滤波：

垂直动态高斯滤波：

Code

以下代码中，关于　“对角动态高斯滤波（diagonal gaussian）”　的代码段有问题，所以被我注释掉了。因为不能对单元素单独进行高斯滤波，所以会报错。具体该怎么解决，我也一时没想到。

# coding=utf-8

import numpy as np
import cv2

def kernel_size(x, y, type):
    if type == "vertical":
        k1, k2, b = 0, 0.012, 0
    elif type == "horizontal":
        k1, k2, b = 0.009, 0, 0
    elif type == "diagonal":
        k1, k2, b = 0.0053, 0.0053, 0
    else:
        k1, k2, b = 0, 0, 11
    size = int(k1*x + k2*y + b) * 2 + 1
    return size

def range_limit(img):
    img *= (img>0)
    img = img * (img<=255) + 255 * (img>255)
    img = img.astype(np.uint8)
    return img

def dynamic_gaussian(img):
    h, w, c = np.shape(img)
    sigma = 2
    # gs_v: vertical gaussian, 垂直高斯
    # gs_h: horizontal gaussian, 水平高斯
    # gs_d: diagonal gaussian, 对角高斯
    gs_v, gs_h, gs_d = img.copy(), img.copy(), img.copy()
    for i in range(h):
        k_size = kernel_size(w, i, "vertical")
        gs_v[i, :, :] = cv2.GaussianBlur(gs_v[i, :, :], (k_size, k_size), sigma)
        print(i, k_size)
    for j in range(w):
        k_size = kernel_size(j, h, "horizontal")
        gs_h[:, j, :] = cv2.GaussianBlur(gs_h[:, j, :], (k_size, k_size), sigma)
        print(j, k_size)
    # # 报错：
    # for i in range(h):
    #     for j in range(w):
    #         k_size = kernel_size(i, j, "diagonal")
    #         gs_d[i, j, :] = cv2.GaussianBlur(gs_d[i, j, :], (k_size, k_size), sigma)
    #         print(i, j, k_size)
    return gs_v, gs_h, gs_d


def main():
    img_path = "./girl.jpg"
    img = cv2.imread(img_path)
    gs_v, gs_h, gs_d = dynamic_gaussian(img)
    cv2.imwrite("./gs_v.jpg", gs_v)
    cv2.imwrite("./gs_h.jpg", gs_h)
    cv2.imwrite("./gs_d.jpg", gs_d)

if __name__ == "__main__":
    main()

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2018年01月23日，如有侵权请联系 cloudcommunity@tencent.com 删除

图像处理

ide

opencv

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

图像处理

ide

opencv

登录后参与评论

0 条评论

热度