Question

我正在尝试在Python中移植一些lua / torch代码，有一个序列对图像运行高斯模糊，如下所示：

local gauK = image.gaussian(math.ceil(3*sigma)*2+1, sigma)
inp = image.convolve(inp, gauK, 'same')

为了在我的方法中复制这一点，我一直在研究cv2.GaussianBlur（）和cv2.filter2D并传入一个高斯内核。

方法1（cv2.GaussianBlur）：

kernel_size = int(math.ceil(3 * sigma) * 2 + 1)  # same size as the lua code
blurred_image = cv2.GaussianBlur(img, ksize=(kernel_size, kernel_size), sigma)

方法2（cv2.filter2D）

kernel_size = int(math.ceil(3 * sigma) * 2 + 1)  # same size as the lua code
gaussian_kernel = cv2.getGaussianKernel(kernel_size, sigma)
blurred_image_2 = cv2.filter2D(img, -1, gaussian_kernel)

在方法1和方法2之间，我得到了不同的图像。看来方法1的图像比方法2的图像更模糊。是否有任何理由为什么我在这里可能会得到不同的结果？我试图找出哪一个将匹配lua代码。谢谢。

Answer 1

这很奇怪；出于实用性考虑，我建议您选择一个满意的东西并使用它。除此之外，我猜想如何处理多个参数的语义会导致这种不匹配。而且，opencv的用于从kernelsize推断sigma或反之亦然的等式似乎与您的不匹配。

来自GaussianBlur docs：

ksize：高斯核大小。 ksize.width和ksize.height可以不同，但它们都必须为正数和奇数。或者，它们可以为零，   然后根据sigma计算得出。

sigmaX：X方向上的高斯核标准偏差。
  sigmaY：Y方向上的高斯核标准差；如果sigmaY为零，则将其设置为等于sigmaX，如果两个sigmas均为零，   它们分别从ksize.width和ksize.height计算（请参见   cv :: getGaussianKernel以获取详细信息）； 完全控制结果   无论将来对所有这些语义的可能修改如何，   建议您指定所有ksize，sigmaX和sigmaY。

还有getGaussianKernel docs：

如果它为非正值，则根据ksize计算为sigma = 0.3\*((ksize-1)\*0.5 - 1) + 0.8

全部强调我的。您的sigma是否为负？这可能会导致不匹配。

编辑：只是注意到您希望它与lua代码匹配。我的建议是保存结果，然后在photoshop或您喜欢的图像编辑器中比较它们。如果从参考中减去测试，您应该能够看到差异，并且随着尝试的临近，总体上差异也应该更少。除非如此，否则您可以尝试阅读源代码以找出定义上的差异，或者自己编写！

祝你好运！

Answer 2

cv2.getGaussianKernel函数返回1D向量，使其成为2D高斯矩阵，可以将其与其转置相乘（@用于矩阵乘法）。您可以尝试以下代码：

gaussian_kernel = cv2.getGaussianKernel(kernel_size, sigma)
kernel_2D = gaussian_kernel @ gaussian_kernel.transpose()
blurred_image_2 = cv2.filter2D(img, -1, kernel_2D)

cv2.GaussianBlur和cv2.filter2D与高斯内核的结果不同？

2 个答案: