高斯模糊的介紹與原理

通常，圖像處理軟件會提供"模糊"（blur）濾鏡，使圖片產生模糊的效果。

"模糊"的算法有很多種，其中有一種叫做"高斯模糊"（Gaussian Blur）。它將正態分布（又名"高斯分布"）用于圖像處理。

所謂"模糊"，可以理解成每一個像素都取周邊像素的平均值。

上圖中，2是中間點，周邊點都是1。

"中間點"取"周圍點"的平均值，就會變成1。在數值上，這是一種"平滑化"。在圖形上，就相當于產生"模糊"效果，"中間點"失去細節。

顯然，計算平均值時，取值范圍越大，"模糊效果"越強烈。

上面分別是原圖、模糊半徑3像素、模糊半徑10像素的效果。模糊半徑越大，圖像就越模糊。從數值角度看，就是數值越平滑。

接下來的問題就是，既然每個點都要取周邊像素的平均值，那么應該如何分配權重呢？

如果使用簡單平均，顯然不是很合理，因為圖像都是連續的，越靠近的點關系越密切，越遠離的點關系越疏遠。因此，加權平均更合理，距離越近的點權重越大，距離越遠的點權重越小。

python生成高斯模糊

Python可以使用opencv庫很方便地生成模糊圖像，如果沒有安裝opencv的，可以用pip安裝：

pip install python-opencv

想了解高斯模糊是什么的話，可以看wiki百科-高斯模糊。對于一般人，只要知道這個操作可以生成模糊圖片就好了，一行代碼即可搞定：

import cv2
img = cv2.GaussianBlur(ori_img, (9, 9), 0)

這個函數的第一個參數是原圖像，第二個參數是高斯矩陣，要注意長和寬都必須為單數，第三個參數是標準差，如果寫0，則函數會自行計算。

那怎么控制模糊程度呢？很簡單，高斯矩陣的尺寸越大，標準差越大，處理過的圖像模糊程度越大。

介紹完了簡單的高斯模糊操作，我們加一個隨機處理，來隨機生成模糊程度不同的幾張圖像，其實也很簡單，加一個隨機函數來生成高斯矩陣的尺寸就可以了：

import cv2
import random

imgName = "img.png"
min_size = 11

ori_img = cv2.imread(imgName)

for i in range(3):
    addition = random.choice((0, 2, 4, 6, 8, 10, 12))
    size = min_size + addition
    kernel_size = (size, size)
    img = cv2.GaussianBlur(ori_img, kernel_size, 0)
    new_imgName = "New_" + str(i) + "_" + str(kernel_size[0])  + "_" + imgName
    cv2.imwrite(new_imgName, img)

這里利用了random庫，來在一組數字中隨機選擇一個數，加到最小尺寸上，作為每次生成的模糊圖片的高斯矩陣尺寸，這里我的尺寸最小值設為了11，大家可以根據需要自己嘗試看效果來設定。

總結

到此這篇關于Python如何生成隨機高斯模糊圖片的文章就介紹到這了,更多相關python生成高斯模糊內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！