我实现了一个基本上应用内核的平滑算法:
[0 1 0;
1 4 1;
0 1 0]/8
变成一个矩阵(图像)然后修正边角,相当于设置kernel为
[0 1 0;
0 5 1;
0 1 0]/8
对于左边缘,并且
[0 0 0;
0 6 1;
0 1 0]/8
用于左上角。
我现在的目标是应用仅适用于该图像的 mask 部分的平滑。例如(参见下图),如果我有一个圆盘的方形图像,其中圆盘的值为 128+-10(+-10 是噪声效果),背景为黑色(值为 0) ,应用无限次的普通平滑算法应该给出具有恒定像素强度的方形图像。对于屏蔽平滑算法,我想屏蔽磁盘,以便应用无限次的算法应该给出 128 的均匀磁盘和黑色 (0) 背景。换句话说,只有磁盘被平滑了。
我试图避免的主要事情是背景“渗入”磁盘,使磁盘边缘模糊。我也愿意将平滑算法更改为不同的算法(例如 3x3 像素的平均值),以实现更有效的方法。
这是我的正常平滑代码:
def SmoothImage(Matrix,N=1):
'''Smooths a Matrix with kernel [0 1 0; 1 4 1; 0 1 0]/8'''
A=Matrix.copy()
for i in range(N):
s=A.shape[0]-1
B=A*4.0
B[-s:,:]+=A[:s,:]
B[0,:]+=A[0,:]
B[:,-s:]+=A[:,:s]
B[:,0]+=A[:,0]
B[:s,:]+=A[-s:,:]
B[-1,:]+=A[-1,:]
B[:,:s]+=A[:,-s:]
B[:,-1]+=A[:,-1]
B*=1/8
A=B
return A
最佳答案
这是一种使用线性卷积加上一些技巧来保持干净边缘的方法。这个技巧基本上是通过与逆掩码卷积来计算边缘损失的质量,并将其添加到原始结果中:
import numpy as np
from scipy.signal import convolve2d
kernel = np.add.outer(*2*(np.arange(3) % 2,))**2 / 8
def perfect_edges(orig, n_iter=1, thresh=20):
mask = orig <= thresh
corrector = convolve2d(mask, kernel, 'same')
result = orig.copy()
result[mask] = 0
for j in range(n_iter):
result = result * corrector + convolve2d(result, kernel, 'same')
result[mask] = 0
result = np.round(result).astype(np.uint8)
result[mask] = orig[mask]
return result
picture = (np.add.outer(*2*(np.arange(-6, 7)**2,)) < 30).view(np.uint8) * 118
picture += np.random.randint(0, 21, picture.shape, dtype=np.uint8)
print(picture)
print()
print(perfect_edges(picture, 200))
示例运行:
[[ 15 0 4 10 17 13 20 12 14 1 5 16 19]
[ 1 6 9 14 132 132 129 128 135 1 5 11 5]
[ 13 16 6 126 118 118 134 120 130 138 2 6 10]
[ 16 3 129 129 128 129 125 134 131 132 127 18 8]
[ 10 120 132 125 128 120 133 137 125 120 124 129 7]
[ 10 137 119 120 119 118 137 135 135 126 118 128 0]
[ 17 134 138 133 134 121 124 119 134 138 133 129 2]
[ 3 134 136 132 119 124 123 133 126 121 126 122 19]
[ 3 123 130 123 125 125 128 119 119 129 119 127 6]
[ 5 0 119 118 125 122 135 135 126 133 136 7 3]
[ 11 1 13 124 121 118 136 137 127 137 2 19 15]
[ 6 7 15 19 132 132 130 125 130 9 18 9 12]
[ 16 20 0 14 9 10 1 6 5 17 16 0 3]]
[[ 15 0 4 10 17 13 20 12 14 1 5 16 19]
[ 1 6 9 14 128 128 128 128 128 1 5 11 5]
[ 13 16 6 128 128 128 128 128 128 128 2 6 10]
[ 16 3 128 128 128 128 128 128 128 128 128 18 8]
[ 10 128 128 128 128 128 128 128 128 128 128 128 7]
[ 10 128 128 128 128 128 128 128 128 128 128 128 0]
[ 17 128 128 128 128 128 128 128 128 128 128 128 2]
[ 3 128 128 128 128 128 128 128 128 128 128 128 19]
[ 3 128 128 128 128 128 128 128 128 128 128 128 6]
[ 5 0 128 128 128 128 128 128 128 128 128 7 3]
[ 11 1 13 128 128 128 128 128 128 128 2 19 15]
[ 6 7 15 19 128 128 128 128 128 9 18 9 12]
[ 16 20 0 14 9 10 1 6 5 17 16 0 3]]
关于python - numpy 掩蔽平滑算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48917761/