python中高斯模糊是什么

說明

1、本質(zhì)上是數(shù)據(jù)光滑技術(shù)，可用于一維、二維甚至多維空間。

2、數(shù)據(jù)被高斯模糊處理后，數(shù)據(jù)傾向于周邊附近的其他數(shù)據(jù)，各數(shù)據(jù)相同。

在圖像領(lǐng)域，各個(gè)位置的像素值使用“周邊鄰居像素點(diǎn)加權(quán)平均”重新賦值。對于每個(gè)像素點(diǎn)，由于計(jì)算時(shí)均以當(dāng)前像素點(diǎn)為中心，所以均值μ=0。使用時(shí)有2個(gè)超參數(shù)需要設(shè)置：高斯核大小和高斯函數(shù)標(biāo)準(zhǔn)差σ。高斯核大小表示“影響當(dāng)前點(diǎn)的鄰域范圍”，而標(biāo)準(zhǔn)差表示“鄰域中的其他像素點(diǎn)對當(dāng)前點(diǎn)的影響力”。

實(shí)例

defgaussian_kernel(self):

kernel=np.zeros(shape=(self.kernel_size,self.kernel_size),dtype=np.float)

radius=self.kernel_size//2

foryinrange(-radius,radius+1):#[-r,r]

forxinrange(-radius,radius+1):

#二維高斯函數(shù)

v=1.0/(2*np.pi*self.sigma**2)*np.exp(-1.0/(2*self.sigma**2)*(x**2+y**2))

kernel[y+radius,x+radius]=v#高斯函數(shù)的x和y值vs高斯核的下標(biāo)值

kernel2=kernel/np.sum(kernel)

returnkernel2

以上就是python中高斯模糊的介紹，希望對大家有所幫助。更多Python學(xué)習(xí)教程請關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。