详析数字图像中高斯模糊理论及实现
高斯模糊(英语:Gaussian Blur),也叫高斯平滑。是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果,通经常使用它来降低图像噪声以及降低细节层次。
简单介绍:高斯模糊(Gaussian Blur)是美国Adobe图像软件公司开发的一个图像处理软件:Adobe Photoshop(系列)中的一个滤镜,详细的位置在:滤镜—模糊——高斯模糊!
高斯模糊的原理中,它是依据高斯曲线调节像素色值,它是有选择地模糊图像。说得直白一点,就是高斯模糊能够把某一点周围的像素色值按高斯曲线统计起来,採用数学上加权平均的计算方法得到这条曲线的色值,最后能够留下人物的轮廓,即曲线.是指当 Adobe Photoshop 将加权平均应用于像素时生成的钟形曲线。
原理:
1 周边像素的平均值
所谓”模糊”。能够理解成每一个像素都取周边像素的平均值。
上图中,2是中间点。周边点都是1。
”中间点”取”周围点”的平均值。就会变成1。在数值上,这是一种”平滑化”。在图形上。就相当于产生”模糊”效果,”中间点”失去细节。
显然,计算平均值时,取值范围越大,”模糊效果”越强烈。
上图各自是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大,图像就越模糊。从数值角度看,就是数值越平滑。
接下来的问题就是,既然每一个点都要取周边像素的平均值。那么应该怎样分配权重呢?
假设使用简单平均。显然不是非常合理,由于图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远。
因此,加权平均更合理,距离越近的点权重越大。距离越远的点权重越小。
2 正态分布权重
正态分布显然是一种可取的权重分配模式。
在图形上。正态分布是一种钟形曲线,越接近中心,取值越大,越远离中心,取值越小。计算平均值的时候,我们仅仅须要将”中心点”作为原点,其它点依照其在正态曲线上的位置,分配权重。就能够得到一个加权平均值。
3 高斯函数
上面的正态分布是一维的,图像都是二维的。所以我们须要二维的正态分布。
正态分布的密度函数叫做”高斯函数”(Gaussian function)。它的一维形式是:
当中,μ是x的均值,σ是x的方差。由于计算平均值的时候。中心点就是原公式进一步推导,由于计算平均值的时候,中心点就是原点,所以μ等于0。
依据一维高斯函数。能够推导得到二维高斯函数:
有了这个函数 ,就能够计算每一个点的权重了。
4 权重矩阵
假定中心点的坐标是(0,0),那么距离它近期的8个点的坐标例如以下,则权重前的矩阵为:
为了计算权重矩阵,须要设定σ的值。假定σ=1.5,则模糊半径为1的权重矩阵例如以下:
这9个点的权重总和等于0.4787147。假设仅仅计算这9个点的加权平均。还必须让它们的权重之和等于1,因此上面9个值还要分别除以0.4787147,得到终于的权重矩阵。
5 计算高斯模糊
有了权重矩阵,就能够计算高斯模糊的值了。
假设现有9个像素点。灰度值(0-255)例如以下:
每一个点乘以自己的权重值:
将这9个值加起来,就是中心点的高斯模糊的值。
对全部点反复这个过程,就得到了高斯模糊后的图像。假设原图是彩色图片,能够对RGB三个通道分别做高斯模糊。
6 实现代码
此代码为简单的高斯模糊生成代码,核心思想为取中心点像素值,依照步长为1 进行模糊。
(java代码)
package filter;
import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;public class GaussianBlur {/* 简单的高斯模糊算法@param args@return void@see[类成员,类方法]*/public static void main(String[] args) throws IOException {//图片读取路径String pathname="d:\\my\\1.jpg";BufferedImage img = ImageIO.read(new File(pathname));System.out.println(img);int height =img.getHeight();int width = img.getWidth();int[][]matrix = new int [3][3];int []values = new int [9];for (int i = 0; i < width; i++) {for (int j = 0; j < height; j++) {readPixel(img,i,j,values);//读取图像的像素值fillMatrix(matrix,values);//将图像的像素值填充到矩阵中img.setRGB(i, j, avgMatrix(matrix));//又一次依照平均值来生成新的img,将依照RGB模型整数像素数组设置为图像数据}}//图片保存路径String pathname1="d:\\my\\2.jpg";ImageIO.write(img, "jpeg", new File(pathname1));}//此函数的功能是将BuffedImage矩阵的像素值取出来public static void readPixel(BufferedImage img, int x, int y, int[] pixels) {int xStart = x-1;int yStart = y-1;int current = 0;for (int i = xStart; i <3+xStart ; i++) {for (int j = yStart; j <3+yStart;j++) {int tx=i;if (tx<0){tx =-tx;}else if (tx>=img.getWidth()){tx=x;}int ty=j;if (ty<0){ty =-ty;}else if (ty>=img.getHeight()){ty=y;}pixels[current++]= img.getRGB(tx, ty);}}}//此函数功能为给定像素值。将像素值填充入矩阵中去public static void fillMatrix(int[][] matrix, int ... values) {int filled = 0;for (int i = 0; i < matrix.length; i++) {int []x =matrix[i] ;for (int j = 0; j < x.length; j++) {x[j]=values[filled++];}}}
//此函数的功能是将像素的矩阵进行高斯模糊,又一次生成一个模糊后的矩阵public static int avgMatrix(int[][] matrix) {int r=0;int g=0;int b=0;for (int i = 0; i < matrix.length; i++) {int[] x =matrix[i];for (int j = 0; j < x.length; j++) {if (j==1) {continue;}Color c = new Color(x[i]);r+= c.getRed();g+= c.getGreen();b+= c.getGreen();}}return new Color(r/8,g/8,b/8).getRGB(); }
}
效果例如以下:高斯模糊前后对照图
我们再用MATLAB 进行实现一下(用MATLAB 处理图像既专业又方便,哈哈)
模糊又能够称为退化。我们能够用直接从库中调取。
无论是高斯模糊还是运动模糊非常easy实现地。。。
function ifbl = degrade(im, LEN, THETA, noisetype, M, V)
%Converting the image to grayshade by eliminating hue and
%saturation将图像转化为灰色来消除色相饱和度
if size(im, 3) == 3,im = rgb2gray(im);
end%Converting to double
imd = im2double(im);%Converting the image to frequency domain将图像转化到频率域中
imf = fft2(imd);%Create PSF of degradation,滤波器卷积。逆时针角度THETA
PSF = fspecial('gussian',LEN,THETA);%Convert psf to otf of desired size
%OTF is Optical Transfer Function
%fbl is blurred image in frequency domain,psf2otf是将点扩散函数转换成光学转换函数
OTF = psf2otf(PSF,size(im));%Blurring the image
fbl = OTF.*imf;%Converting back to spatial domainf返回空间域
ifbl = abs(ifft2(fbl));%Checking if the image is in the range 0 to 1检查图像的范围
for i = 1:size(ifbl, 1)for j = 1:size(ifbl, 2)if ifbl(i, j) >= 1ifbl(i, j) = 0.999999;endif ifbl(i, j) <= 0ifbl(i, j) = 0.000001;endend
end %Adding noise
if nargin>3if nargin==4 %using default valuesifbl = imnoise(ifbl, noisetype);elseif nargin==5 %specifying additional parameters explicitlyifbl = imnoise(ifbl, noisetype, M);elseif nargin==6 %specifying additional parameters explicitlyifbl = imnoise(ifbl, noisetype, M, V);end
end
高斯模糊。默认的高斯噪声均值m为0,方差var为0.01(參数能够自己设置)
好了,基本能够了,就是这个feel。。。
详析数字图像中高斯模糊理论及实现相关推荐
- 详析VC中坐标系的建立
详析VC中坐标系的建立 建立一个合适的 坐标系可以为我们的绘图带来很大的方便 .下面介绍一下如何在VC中建立我们想要的坐标系. 一 设备坐标和逻辑坐标 设备坐标(Device Coordinate)又 ...
- python3新式类_Python中新式类与经典类的区别详析
1.新式类与经典类 在Python 2及以前的版本中,由任意内置类型派生出的类(只要一个内置类型位于类树的某个位置),都属于"新式类",都会获得所有"新式类"的 ...
- 第7.14节 Python类中的实例方法详析
第7.14节 Python类中的实例方法详析 一. 实例方法的定义 在本章前面章节已经介绍了类的实例方法,实例方法的定义有三种方式: 1. 类体中定义实例方法 第一种方式很简单,就是在类体 ...
- ionice使用说明与参数详析
Ionice使用说明与参数详析 命令功能: ionice – 获取或设置程序的IO调度与优先级. 命令格式: ionice [[-c class] [-n classdata] [-t]] -p PI ...
- HTML5安全风险详析之三:WebSQL攻击
原文地址:http://blog.csdn.net/hfahe/article/details/8049414 一.WebSQL安全风险简介 数据库安全一直是后端人员广泛关注和需要预防的问题.但是自从 ...
- 【数据库】范式理解:1NF,2NF,3NF,BCNF,4NF详析
数据库入门(一)范式理解:1NF,2NF,3NF,BCNF,4NF详析 引言 范式种类 第一范式(1NF) 符合1NF的关系中的每个属性都不可再分 存在问题 第二范式(2NF) 在1NF基础上消除了非 ...
- 移动周刊第 188 期:Android 安全性要点与规范核心详析
写在前面 本期移动周刊第 188 期如约而至,聚焦 Android.iOS.VR/AR/MR.直播等前沿移动开发技术,收录一周最热点,解读开发技巧,我们希望从中能够让你有一些收获,如果你有好的文章以及 ...
- [CTF/网络安全]攻防世界unserialize3解题详析及php序列化反序列化实例讲解
[CTF/网络安全]攻防世界unserialize3解题详析及php序列化反序列化实例讲解 _wakeup()及php序列化反序列化 序列化字符串结构分析 _wakeup()的利用 解题思路 伪属性数 ...
- php simplexml_load_file 详解,php中simplexml_load_file函数用法实例讲解
php中simplexml_load_file函数用法实例讲解 发布于 2015-02-07 06:53:40 | 136 次阅读 | 评论: 0 | 来源: 网友投递 PHP开源脚本语言PHP(外文 ...
最新文章
- sprintf,sscanf,snprintf
- Py之Queue:python库之Queue的简介、安装、使用方法之详细攻略
- 【转载】程序员技术练级攻略
- 算法 --- 递归实现多级树展开结构
- 理解Silverlight的路径填充规则
- php 替换 超链接,PHP移除字符串超链接文本的正则表达式
- Week09《java程序设计》第九次作业总结
- python从入门到实践答案第十章_Python编程:从入门到实践——【作业】——第十章(文件和异常)...
- Jetson nano 2G跑通Nvidia官方案例Jetson Inference
- IDEA学生授权申请方式(免费)
- AudioTrack音频播放
- 安装 nm-applet
- Android SDK 开发流程
- 包装成悲伤消费的骗局正在收割午夜的年轻人
- kali linux忘记密码找回方法
- artDialog弹出新页面,保存后关闭弹出框并刷新父页面
- uni-app中validateTrigger无法校验
- Unity3D教程:汽车模型外壳颜色更换
- 程序调试要一步一步打断点
- 如何有效培养一年级孩子的注意力