高斯模糊的介紹與原理

通常，圖像處理軟件會提供"模糊"（blur）濾鏡，使圖片產(chǎn)生模糊的效果。

"模糊"的算法有很多種，其中有一種叫做"高斯模糊"（Gaussian Blur）。它將正態(tài)分布（又名"高斯分布"）用于圖像處理。

所謂"模糊"，可以理解成每一個像素都取周邊像素的平均值。

上圖中，2是中間點，周邊點都是1。

"中間點"取"周圍點"的平均值，就會變成1。在數(shù)值上，這是一種"平滑化"。在圖形上，就相當于產(chǎn)生"模糊"效果，"中間點"失去細節(jié)。

顯然，計算平均值時，取值范圍越大，"模糊效果"越強烈。

上面分別是原圖、模糊半徑3像素、模糊半徑10像素的效果。模糊半徑越大，圖像就越模糊。從數(shù)值角度看，就是數(shù)值越平滑。

接下來的問題就是，既然每個點都要取周邊像素的平均值，那么應(yīng)該如何分配權(quán)重呢？

如果使用簡單平均，顯然不是很合理，因為圖像都是連續(xù)的，越靠近的點關(guān)系越密切，越遠離的點關(guān)系越疏遠。因此，加權(quán)平均更合理，距離越近的點權(quán)重越大，距離越遠的點權(quán)重越小。

python生成高斯模糊

Python可以使用opencv庫很方便地生成模糊圖像，如果沒有安裝opencv的，可以用pip安裝：

pip install python-opencv

想了解高斯模糊是什么的話，可以看wiki百科-高斯模糊。對于一般人，只要知道這個操作可以生成模糊圖片就好了，一行代碼即可搞定：

import cv2
img = cv2.GaussianBlur(ori_img, (9, 9), 0)

這個函數(shù)的第一個參數(shù)是原圖像，第二個參數(shù)是高斯矩陣，要注意長和寬都必須為單數(shù)，第三個參數(shù)是標準差，如果寫0，則函數(shù)會自行計算。

那怎么控制模糊程度呢？很簡單，高斯矩陣的尺寸越大，標準差越大，處理過的圖像模糊程度越大。

介紹完了簡單的高斯模糊操作，我們加一個隨機處理，來隨機生成模糊程度不同的幾張圖像，其實也很簡單，加一個隨機函數(shù)來生成高斯矩陣的尺寸就可以了：

import cv2
import random
imgName = "img.png"
min_size = 11
ori_img = cv2.imread(imgName)
for i in range(3):
 addition = random.choice((0, 2, 4, 6, 8, 10, 12))
 size = min_size + addition
 kernel_size = (size, size)
 img = cv2.GaussianBlur(ori_img, kernel_size, 0)
 new_imgName = "New_" + str(i) + "_" + str(kernel_size[0])  + "_" + imgName
 cv2.imwrite(new_imgName, img)

這里利用了random庫，來在一組數(shù)字中隨機選擇一個數(shù)，加到最小尺寸上，作為每次生成的模糊圖片的高斯矩陣尺寸，這里我的尺寸最小值設(shè)為了11，大家可以根據(jù)需要自己嘗試看效果來設(shè)定。

總結(jié)

到此這篇關(guān)于Python如何生成隨機高斯模糊圖片的文章就介紹到這了,更多相關(guān)python生成高斯模糊內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

國外服務(wù)器租用

版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。