python 一维和二位数据的高斯模糊滤波
Posted byybyy
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 一维和二位数据的高斯模糊滤波相关的知识,希望对你有一定的参考价值。
高斯模糊一阶核函数:
高斯函数二阶核函数:
def calc(self,x,y=0): if self.level==1: return 1/((2*math.pi)**0.5*self.sigema)*math.exp(-(x**2/2/(self.sigema**2))) elif self.level==2: return 1/(2*math.pi*self.sigema*self.sigema)*math.exp(-(x**2+y**2)/2/self.sigema/self.sigema)
σ为标准差
定义一个模糊半径,通过上述公式获取到需要的核函数
如半径r=1 ,σ=2
一阶时为x=[-1,0,1],生成核为[0.176033,0.199471,0.176033]/data.sum()
及把[0.319168,0.361664,0.319168]作为下面计算的卷积和
对于边缘数据进行镜像模糊对称 ,再将数据进行卷积运算即可得出滤波数据
模糊算法:
def VerticalFlipping(self,data):#垂直翻转 if data.shape[0]<=1: return data newarray=np.zeros(data.shape) for i in range(data.shape[0]): newarray[i]=data[-i-1] return newarray def HorizontalFlipping(self,data):#水平翻转 if data.shape[1]<=1: return data newarray=np.zeros(data.shape) for i in range(data.shape[1]): newarray[:,i]=data[:,-i-1] return newarray def fuzzy(self,data):#图像边缘模糊算法: 镜像模糊 data=np.array(data) if self.level==2: data=np.row_stack((self.VerticalFlipping(data[:self.radius]),data)) data=np.row_stack((data,self.VerticalFlipping(data[-1:]))) data=np.column_stack((self.HorizontalFlipping(data[:,:self.radius]),data)) data=np.column_stack((data,self.HorizontalFlipping(data[:,-self.radius:]) )) return data
滤波方法
#滤波函数 def filter(self, data, template): arr=self.fuzzy(data) height=arr.shape[0] width=arr.shape[1] newData=np.zeros((height, width)) if self.level==1: for i in range(arr.shape[0]): for j in range(self.radius,arr.shape[1]-self.radius): t=arr[i, j-self.radius:j+self.radius+1] a=np.multiply(t,template) newData[i,j]=a.sum() return newData[:,self.radius:-self.radius] elif self.level==2: for i in range(self.radius, height-self.radius): for j in range(self.radius, width-self.radius): t=arr[i-self.radius:i+self.radius+1, j-self.radius:j+self.radius+1] a= np.multiply(t, template) newData[i, j] = a.sum() #newImage = Image.fromarray(newData) return newData[self.radius:-self.radius,self.radius:-self.radius]
以上是关于python 一维和二位数据的高斯模糊滤波的主要内容,如果未能解决你的问题,请参考以下文章