Python中的图像平滑处理

Question

Python中的图像平滑处理

pythonnumpyimage-processingsmoothing

15

我想尝试编写一个简单的函数来平滑输入的图像。我尝试使用Image和numpy库来实现这一点。我认为使用卷积掩码是解决这个问题的方法，而且我知道numpy内置了convolve函数。

我该如何使用numpy.convolve来平滑一个图像？

- Nick

2

你可能需要进行2D卷积，例如 scipy.signal.convolve2d。 - wim

3个回答

18

你想查看 ndimage，它是 scipy 中的一个模块。它有许多滤波器函数，并提供用于卷积任意内核的封装。例如，

img_gaus = ndimage.filters.gaussian_filter(img, 2, mode='nearest')

使用sigma为2的高斯滤波器对您的图像进行卷积。

如果您想对任意内核进行卷积，例如十字形

k = np.array([[0, 1, 0],
              [1, 1, 1],
              [0, 1, 0]])

img2 = ndimage.convolve(img, k, mode='constant')

这些函数同样适用于更高的维度，因此您可以使用几乎相同的代码（只需扩大内核的维度）来平滑处理更高维度中的数据。

“mode”和“cval”参数控制卷积如何处理图像边缘的像素（对于边缘上的像素，内核需要查看的区域的一半不存在，因此您需要选择某些东西来填充图像）。

- tacaswell

4

如果不想使用scipy，你有三个选择：

1）可以使用卷积定理和傅里叶变换，因为numpy具有2D FFT。

2）可以使用可分离内核，然后在扁平化的数组上进行两个1D卷积，一个在x方向上，另一个在y方向上（ravel the transpose），这将给出与2D卷积相同的结果。

3）如果你有一个小内核，比如3x3，那么写出卷积作为乘法和求和就足够容易了。听起来很麻烦，但并不是那么难。

如果要使用scipy，则可以像tcaswell建议的那样使用ngimage。 scipy还有convolve2d。

- tom10

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- wim · Accepted Answer

很好的问题！tcaswell在此处发布了一个很棒的建议，但这样你不会学到太多东西，因为scipy正在为你完成所有的工作！由于您的问题中说您想要“尝试编写函数”，我将向您展示一种更为基础和粗糙的方法来手动完成所有操作，希望您能更好地理解卷积等背后的数学原理，然后再用自己的想法和努力来改进它！

注意：使用不同形状/大小的内核将得到不同的结果，高斯是通常的方法，但您可以尝试其他有趣的内核（余弦，三角形等！）。我只是即兴创造了这个内核，我认为它是一种金字塔形的内核。

import scipy.signal
import numpy as np
import matplotlib.pyplot as plt

im = plt.imread('example.jpg')
im /= 255.   # normalise to 0-1, it's easier to work in float space

# make some kind of kernel, there are many ways to do this...
t = 1 - np.abs(np.linspace(-1, 1, 21))
kernel = t.reshape(21, 1) * t.reshape(1, 21)
kernel /= kernel.sum()   # kernel should sum to 1!  :) 

# convolve 2d the kernel with each channel
r = scipy.signal.convolve2d(im[:,:,0], kernel, mode='same')
g = scipy.signal.convolve2d(im[:,:,1], kernel, mode='same')
b = scipy.signal.convolve2d(im[:,:,2], kernel, mode='same')

# stack the channels back into a 8-bit colour depth image and plot it
im_out = np.dstack([r, g, b])
im_out = (im_out * 255).astype(np.uint8) 

plt.subplot(2,1,1)
plt.imshow(im)
plt.subplot(2,1,2)
plt.imshow(im_out)
plt.show()

enter image description here