如何对浮点 numpy 数组进行高斯滤波（模糊）

Question

我有一个 float64 类型的 numpy 数组 a。我如何使用高斯滤波器模糊这些数据？

我试过了

from PIL import Image, ImageFilter

image = Image.fromarray(a)
filtered = image.filter(ImageFilter.GaussianBlur(radius=7))

，但这会产生 ValueError: 'image has wrong mode'。（它有模式 F。）

我可以通过将 a 乘以某个常数，然后四舍五入为整数来创建合适模式的图像。那应该可以，但我想有一个更直接的方法。

（我正在使用 Pillow 2.7.0。）

Answer 1

如果你有一个二维的numpy数组a，你可以直接在上面使用高斯滤波器而不用先用Pillow把它转换成图像。 scipy 有一个函数 gaussian_filter 做同样的事情。

from scipy.ndimage.filters import gaussian_filter

blurred = gaussian_filter(a, sigma=7)

Answer 2

这是我只使用 numpy 的方法。它是用一个简单的 3x3 内核准备的，稍作改动就可以使其适用于自定义大小的内核。

def blur(a):
    kernel = np.array([[1.0,2.0,1.0], [2.0,4.0,2.0], [1.0,2.0,1.0]])
    kernel = kernel / np.sum(kernel)
    arraylist = []
    for y in range(3):
        temparray = np.copy(a)
        temparray = np.roll(temparray, y - 1, axis=0)
        for x in range(3):
            temparray_X = np.copy(temparray)
            temparray_X = np.roll(temparray_X, x - 1, axis=1)*kernel[y,x]
            arraylist.append(temparray_X)

    arraylist = np.array(arraylist)
    arraylist_sum = np.sum(arraylist, axis=0)
    return arraylist_sum

Answer 3

使用卷积的纯 numpy 解决方案和高斯滤波器的可分离性分为两个单独的滤波器步骤（这使得它相对较快）：

kernel = np.array([1.0,2.0,1.0]) # Here you would insert your actual kernel of any size
a = np.apply_along_axis(lambda x: np.convolve(x, kernel, mode='same'), 0, a)
a= np.apply_along_axis(lambda x: np.convolve(x, kernel, mode='same'), 1, a)

Answer 4

我对如何用 open-cv (cv2)

做到这一点的看法

我使用的内核大小为 (3, 3) 请务必根据您的需要进行调整。有关配置可能性的更多详细信息和 openCV 的更多解决方案，请参见 here。

import cv2  # pip install opencv-python
image = cv2.GaussianBlur(image, (3, 3), cv2.BORDER_DEFAULT)

如何对浮点 numpy 数组进行高斯滤波（模糊）

How to gauss-filter (blur) a floating point numpy array

python

opencv

filtering

numpy

python-imaging-library