Python中的图像平滑答案

【问题标题】：Image smoothing in PythonPython中的图像平滑
【发布时间】：2013-01-23 19:47:32
【问题描述】：

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一种方法，我知道 numpy 内置了一个卷积函数。

如何使用numpy.convolve 平滑图像？

【问题讨论】：

你可能需要一个二维卷积，例如scipy.signal.convolve2d

标签： python numpy image-processing smoothing

【解决方案1】：

好问题！ tcaswell 在这里发帖是一个很好的建议，但是您不会通过这种方式学到很多东西，因为 scipy 正在为您完成所有工作！既然你的问题是说你想尝试编写函数，我将向你展示一种更粗略和基本的手动方式，希望你能更好地理解卷积背后的数学原理等等，然后你可以用你自己的想法和努力来改进它！

注意：使用不同形状/大小的内核，您会得到不同的结果，高斯是常用的方法，但您可以尝试其他一些有趣的方法（余弦、三角形等！）。这个是我现场编的，我觉得是一种金字塔形的。

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()

【讨论】：

您知道scipy.signals.convolve2d 和scipy.ndimage.convolve 之间是否存在真正的区别，因为它们似乎都在做同样的事情，只是参数略有不同。
我认为后者被推广到更高的维度，前者被指定为二维数组。不过，您通常不希望将颜色通道“涂抹”到彼此中，因此将 3d 内核用于图像会很奇怪。
对不起，愚蠢的问题，因为我在回答中评论了convolve 进入更高的维度......认为是时候睡觉了。
感谢代码，但是我遇到了一些问题。当我运行代码时，输出图像旋转了 180 度，并且出现了黑色斑点。这会是由于内核造成的吗？见这里dropbox.com/s/jqqezj0sqddrusc/output.png
太好了，我明白了！我不得不评论 im /= 255 并把 im_out * 255 拿出来只是 im_out.astype(np.uint8) 你的帮助非常宝贵，非常感谢！

【解决方案2】：

你想看看ndimage，它是scipy中的一个模块。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漂亮包装器。

例如，

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

将您的图像与 sigma 为 2 的高斯卷积。

如果你想对任意内核进行卷积，比如交叉

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维度，因此您可以使用几乎相同的代码（只是扩大内核的维度）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，内核需要查看的一半区域不存在，所以你需要选择一些东西来填充你的图像）。

【讨论】：

【解决方案3】：

如果你不想使用 scipy，你有三种选择：

1) 您可以将卷积定理与傅里叶变换结合使用，因为 numpy 具有 2D FFT。

2) 你可以使用一个可分离的内核，然后你可以在展平的数组上做两个一维卷积，一个在 x 方向，另一个在 y 方向（解开转置），这将得到相同的结果作为二维卷积。

3) 如果你有一个小内核，比如 3x3，只需将卷积写成乘法和求和就很容易了。这听起来很麻烦，但还不错。

如果您确实想使用 scipy，您可以使用 ngimage，正如 tcaswell 建议的那样。 scipy 也有 convolve2d。

【讨论】：