码迷,mamicode.com
首页 > 编程语言 > 详细

Python计算机视觉3:模糊,平滑,去噪

时间:2015-06-10 01:03:54      阅读:234      评论:0      收藏:0      [点我收藏+]

标签:

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

技术分享

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

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import matplotlib.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

技术分享

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

技术分享

 

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

import numpy 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

 技术分享

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

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import scipy.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

技术分享

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

 

Python计算机视觉3:模糊,平滑,去噪

标签:

原文地址:http://www.cnblogs.com/smallpi/p/4562345.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!