Python中的图像平滑

Question

我想尝试编写一个简单的函数来平滑输入的图像。我试图使用Image和numpy库来做到这一点。我在想使用卷积掩码是解决这个问题的方法，我知道numpy有一个内置的卷积函数。

如何使用numpy.convolve平滑图像？

Answer 1

您想查看ndimage，scipy中的模块。它有许多过滤器 所有设置为函数，以及用于卷积任意内核的好包装器。

例如，

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

用一张西格玛2的guassian卷曲你的形象。

如果你想卷入任意内核，请说一个交叉

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

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

这些函数也适用于更高的维度，因此您可以使用几乎相同的代码（只是扩展内核的维度）来平滑更高维度的数据。

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会存在，所以你需要选择一些东西来填充你的图像。

Answer 2

好问题！ tcaswell 发布这里是一个很好的建议，但你不会这么学习，因为scipy正在为你做所有的工作！既然你的问题说你想尝试编写函数，我会向你展示一些粗略和基本的方式来手动完成这一切，希望你能更好地理解卷积背后的数学等等，然后你可以用自己的想法和努力来改进它！

注意：你会得到不同形状/大小的内核的不同结果，高斯是常用的方法，但你可以尝试其他一些有趣（余弦，三角等！）。我刚刚在现场制作了这个，我觉得它是一种金字塔形状。

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()

Answer 3

如果你不想使用scipy，你有三个选择：

1）你可以使用卷积定理结合傅里叶变换，因为numpy有一个2D FFT。

2）你可以使用一个可分离的内核，然后你可以在平顶阵列上做两个1D卷积，一个在x方向，另一个在y方向（ravel the transpose），这将得到相同的结果作为2D卷积。

3）如果你有一个小内核，比如3x3，那么将卷积写成乘法和求和就很容易了。这听起来很麻烦，但并不是那么糟糕。

如果你想使用scipy，你可以使用ngimage，正如tcaswell建议的那样。 scipy也有convolve2d。