Python和OpenCV如何实现高斯滤波

小编给大家分享一下Python和OpenCV如何实现高斯滤波，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

基本原理讲解：高斯模糊的算法

高斯核函数的编写：构建权重矩阵，采用高斯二维分布函数的形式进行处理。需要注意的是，这里我没有特判当sigma = 0的时候的情况。

即是实现：

1）权重矩阵的构建

根据公式：

计算矩阵内部结构，其中因为要进行归一化处理，e前方的系数会被约去，因此代码中不体现。

2）矩阵元素归一化处理

计算矩阵内部元素总和sum,最后做矩阵除法得到归一化处理后的权重矩阵。

# 高斯核生成函数 kernel_size:滤波核大小  sigma:高斯核函数的局部影响范围def gauss(kernel_size, sigma):    #定型0填充    kernel = np.zeros((kernel_size, kernel_size))    #确定正态分布中间值    center = kernel_size // 2    # s:方差 sum:记录总和    s = sigma ** 2    sum = 0    for i in range(kernel_size):        for j in range(kernel_size):            #由于最后要进行归一化处理，此处根号下2Π计算可以省略            x, y = i - center, j - center            kernel[i, j] = np.exp(-(x ** 2 + y ** 2) / (2 * s))            sum += kernel[i, j]    #归一化处理后输出    kernel = kernel / sum    return kernel

滤波函数的编写：将图片中的每个像素点（边缘除外）及其周围像素乘以权重矩阵，实现高斯滤波

需要注意的是此函数仅能处理彩色图片，因为只有彩色图片拥有img.shape[2]元素，灰度图片没有img.shape[2]元素不能用这个方法处理。

# 高斯滤波实现，img:输入图像 kermel:输入高斯核函数def myfilter(img,kernel):    # 读取img行数核列数    h = img.shape[0]    w = img.shape[1]    # 直接拷贝父对象    img1 = copy.copy(img)    # 去掉边缘    for i in range(1,h-1):        for j in range(1,w-1):            # 三通道处理            for c in range(0,2):                sum = 0                # 加权                for k in range(-1,2):                    for l in range(-1,2):                        sum += img[i+k,j+l,c]*kernel[k+1,l+1]                img1[i,j,c] = sum    return img1

同时在处理高斯滤波的时候，函数采取的是针对3*3的kernel_size进行编写的，要更改kernel_size的大小，需要更改此处的range范围。

下面是灰度图像的处理方式：

def myfilter2(img,kernel):    # 读取img行数核列数    h = img.shape[0]    w = img.shape[1]    # 直接拷贝父对象    img1 = copy.copy(img)    # 去掉边缘    for i in range(1,h-1):        for j in range(1,w-1):            sum = 0            for k in range(-1,2):                for l in range(-1,2):                    sum += img[i+k,j+l]*kernel[k+1,l+1]            img1[i,j] = sum    return img1

最后整个运行代码：

import copyimport cv2import numpy as np#图像读取img_y = cv2.imread('p2.jpg')# 选择高斯生成函数3*3，其中sigama = 3kernel = gauss(3,3)# 打印这个生成函数print(kernel)# 高斯滤波处理img1 = myfilter(img_y, kernel)cv2.imshow('P1_yuantu',img_y)cv2.imshow('P1_gaussian', img1)cv2.waitKey(0)

输入输出图像结果展示：

原图与高斯滤波后

需要注意的是采取的方法很原始，如果输入的图像过大，运行时间会很久。

以上是"Python和OpenCV如何实现高斯滤波"这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！