Python计算机视觉3：模糊,平滑,去噪

yllplay

　　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

　　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

　　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
　　
　　
　　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

　　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

　　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