假設一個列數為W,行數為H的高斯卷計算子gaussKernel,其中W,H均為奇數，描點位置在（(H-1)/2 ,(W-1)/2）,構建高斯卷積核的步驟如下

下面利用Python來實現構建高斯卷積算子

def getGaussKernel(sigma, H, W): r, c = np.mgrid[0:H:1, 0:W:1] r -= (H - 1) / 2 c -= (W - 1) / 2 gaussMatrix = np.exp(-0.5 * (np.power(r) + np.power(c)) / math.pow(sigma, 2)) # 計算高斯矩陣的和 sunGM = np.sum(gaussMatrix) # 歸一化 gaussKernel = gaussMatrix / sunGM return gaussKernel

高斯卷積核可以分離成一維水平方向上的高斯核和一維垂直方向上的高斯核，在OpenCV中給出了構建一維垂直方向上的高斯卷積核的函數：Mat getGaussianKernel(int ksize, double sigma, in ktype = CV/_64F)

參數 釋意 ksize 一維垂直方向上的高斯核行數，正奇數 sigma 標準差 ktype 返回值的數據類型為CV_32F或CV_64F，默認是CV_64F

下面通過Python代碼來具體的實現圖像的高斯平滑，我們首先會對圖像水平方向進行卷積，然后再對垂直方向進行卷積，其中sigma代表高斯卷積核的標準差

def gaussBlur(image,sigma,H,W,_boundary = ’fill’, _fillvalue = 0): #水平方向上的高斯卷積核 gaussKenrnel_x = cv2.getGaussianKernel(sigma,W,cv2.CV_64F) #進行轉置 gaussKenrnel_x = np.transpose(gaussKenrnel_x) #圖像矩陣與水平高斯核卷積 gaussBlur_x = signal.convolve2d(image,gaussKenrnel_x,mode=’same’,boundary=_boundary,fillvalue=_fillvalue) #構建垂直方向上的卷積核 gaussKenrnel_y = cv2.getGaussianKernel(sigma,H,cv2.CV_64F) #圖像與垂直方向上的高斯核卷積核 gaussBlur_xy = signal.convolve2d(gaussBlur_x,gaussKenrnel_y,mode=’same’,boundary= _boundary,fillvalue=_fillvalue) return gaussBlur_xyif __name__ == '__main__': image = cv2.imread('../images/timg.jpg', cv2.IMREAD_GRAYSCALE) cv2.imshow('image',image) #高斯平滑 blurImage = gaussBlur(image, 5, 400, 400, ’symm’) #對bIurImage進行灰度級顯示 blurImage = np.round(blurImage) blurImage = blurImage.astype(np.uint8) cv2.imshow('GaussBlur', blurImage) cv2.waitKey(0) cv2.destroyAllWindows()

運行截圖：

以上就是python 基于opencv實現高斯平滑的詳細內容，更多關于python 高斯平滑的資料請關注好吧啦網其它相關文章！