测试图像中的像素

Question

我正在尝试通过使用以下循环平均在某个欧几里德距离内的所有像素来对图像进行去噪。目前这个循环需要65秒，可能需要执行数千次。有没有办法在没有禁止运行时的python中实现这一点？任何帮助将不胜感激。

for row in range(0, width):
    for column in range(0, height):
        if euclid_dist(point, pix[row,column]) <= threshold:
            to_average[(row,column)] = pix[row, column]

euclid_dist定义如下：

def euclid_dist(tuple1, tuple2):

    tot_sq = 0
    for num1, num2 in zip(tuple1, tuple2):
    tot_sq += (num1 + num2)**2
    return math.sqrt(tot_sq)

Answer 1

如果你想平均一个圆圈中的所有东西（同样地，而不是高斯），你可以制作一个硬圆圈内核，然后用下面的方法卷积你的图像。

# make a noisy circle thing
img = np.random.randint(100, 200, (200, 200), dtype=np.uint8)
xx, yy = np.meshgrid(np.arange(-100, 100), np.arange(-100, 100))
img = img + 10 * (xx**2 + yy**2 < 50**2)
plt.imshow(img)

# make a non-standard kernel
radius = 10
kernel_size = 2 * int(radius) + 1 # odd
xy = np.arange(-kernel_size//2 + 1, kernel_size//2 + 1)
xx, yy = np.meshgrid(xy, xy)

kernel = np.zeros((kernel_size,) * 2)
kernel[xx**2 + yy**2 <= radius**2] = 1
plt.imshow(kernel)

# convolve the two, depending on the mode, it will change the dimensions of the output
plt.imshow(sig.convolve2d(img, kernel, mode='valid'))

如果你想去噪，你也可以使用高斯内核，这是更常见的。它更简单地称为“高斯模糊”。