详解用Python在图像上应用高斯滤波器

下面就来讲解用Python在图像上应用高斯滤波器的完整攻略。

什么是高斯滤波器？

高斯滤波器是一种线性平滑滤波器，它可以对噪声信号进行平滑处理。高斯滤波器的核心思想是使用高斯函数作为卷积核，对图像中的每个像素进行加权平均处理。通过调整高斯函数的标准差，可以控制滤波器的大小。

用Python实现高斯滤波器的步骤

下面将介绍用Python实现高斯滤波器的步骤：

1. 导入相关的库：

import cv2
import numpy as np
from matplotlib import pyplot as plt

1. 加载图像：可以使用cv2.imread()函数加载图像。

img = cv2.imread("lena.jpg", 0)

1. 定义高斯卷积核：

kernel_size = (5, 5)
sigma = 1.5
kernel = np.zeros(kernel_size)
sum = 0
for i in range(kernel_size[0]):
    for j in range(kernel_size[1]):
        kernel[i, j] = np.exp(-(np.square(i - kernel_size[0] // 2) + np.square(j - kernel_size[1] // 2)) / (2 * np.square(sigma)))
        sum += kernel[i, j]
kernel /= sum

1. 对图像进行高斯滤波：

filtered_img = cv2.filter2D(img, -1, kernel)

1. 显示原图和处理后的图像：

plt.subplot(121), plt.imshow(img, cmap="gray"), plt.title("Original")
plt.subplot(122), plt.imshow(filtered_img, cmap="gray"), plt.title("Filtered")
plt.show()

示例

下面给出两个示例。

示例1

原始图像：

代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("test1.png", 0)

kernel_size = (7, 7)
sigma = 1.5
kernel = np.zeros(kernel_size)
sum = 0
for i in range(kernel_size[0]):
    for j in range(kernel_size[1]):
        kernel[i, j] = np.exp(-(np.square(i - kernel_size[0] // 2) + np.square(j - kernel_size[1] // 2)) / (2 * np.square(sigma)))
        sum += kernel[i, j]
kernel /= sum

filtered_img = cv2.filter2D(img, -1, kernel)

plt.subplot(121), plt.imshow(img, cmap="gray"), plt.title("Original")
plt.subplot(122), plt.imshow(filtered_img, cmap="gray"), plt.title("Filtered")
plt.show()

处理后的图像：

示例2

原始图像：

代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("test2.jpg")

kernel_size = (11, 11)
sigma = 2
kernel = np.zeros(kernel_size)
sum = 0
for i in range(kernel_size[0]):
    for j in range(kernel_size[1]):
        kernel[i, j] = np.exp(-(np.square(i - kernel_size[0] // 2) + np.square(j - kernel_size[1] // 2)) / (2 * np.square(sigma)))
        sum += kernel[i, j]
kernel /= sum

filtered_img = cv2.filter2D(img, -1, kernel)

plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title("Original")
plt.subplot(122), plt.imshow(cv2.cvtColor(filtered_img, cv2.COLOR_BGR2RGB)), plt.title("Filtered")
plt.show()

处理后的图像：

以上就是用Python在图像上应用高斯滤波器的完整攻略和两个示例的说明，希望能对您有所帮助。