使用 PIL 讀取圖像后，我通常使用 scipy.ndimage 執行高斯濾波器，如下所示import PILfrom scipy import ndimagePIL_image = PIL.Image.open(filename)data = PIL_image.getdata()array = np.array(list(data)).reshape(data.size[::-1]+(-1,))img = array.astype(float)fimg = ndimage.gaussian_filter(img, sigma=sigma, mode='mirror', order=0)PIL 中有如下高斯模糊函數（來自這個答案），但我不知道它是如何工作的或者它使用什么內核：from PIL import ImageFilterfimgPIL = PIL_image.filter(ImageFilter.GaussianBlur(radius=r)本文檔不提供詳細信息。關于的問題PIL.ImageFilter.GaussianBlur：radius 參數到底是什么；它等于標準差σ嗎？對于給定的半徑，它計算內核的距離是多少？2σ? 3σ? 6σ?這條關于高斯模糊答案的評論- 標準偏差，半徑和內核大小如下所述，但我還沒有找到 PIL 的信息。OpenCV使用內核半徑，(sigma * 3)而scipy.ndimage.gaussian_filter使用內核半徑 int(4 * sigma + 0.5)
2 回答
臨摹微笑
TA貢獻1982條經驗 獲得超2個贊
從源代碼來看，它看起來像PIL.ImageFilter.GaussianBluruses PIL.ImageFilter.BoxBlur。但我無法弄清楚半徑和西格瑪之間的關系。
scipy.ndimage.gaussian_filter我寫了一個腳本來檢查和之間的區別PIL.ImageFilter.GaussianBlur。
import numpy as np
from scipy import misc
from scipy.ndimage import gaussian_filter
import PIL
from PIL import ImageFilter
import matplotlib.pyplot as plt
# Load test color image
img = misc.face()
# Scipy gaussian filter
sigma = 5
img_scipy = gaussian_filter(img, sigma=(sigma,sigma,0), mode='nearest')
# PIL gaussian filter
radius = 5
PIL_image = PIL.Image.fromarray(img)
img_PIL = PIL_image.filter(ImageFilter.GaussianBlur(radius=radius))
data = img_PIL.getdata()
img_PIL = np.array(data).reshape(data.size[::-1]+(-1,))
img_PIL = img_PIL.astype(np.uint8)
# Image difference
img_diff = np.abs(np.float_(img_scipy) - np.float_(img_PIL))
img_diff = np.uint8(img_diff)
# Stats
mean_diff = np.mean(img_diff)
median_diff = np.median(img_diff)
max_diff = np.max(img_diff)
# Plot results
plt.subplot(221)
plt.imshow(img_scipy)
plt.title('SciPy (sigma = {})'.format(sigma))
plt.axis('off')
plt.subplot(222)
plt.imshow(img_PIL)
plt.title('PIL (radius = {})'.format(radius))
plt.axis('off')
plt.subplot(223)
plt.imshow(img_diff)
plt.title('Image difference \n (Mean = {:.2f}, Median = {:.2f}, Max = {:.2f})'
.format(mean_diff, median_diff, max_diff))
plt.colorbar()
plt.axis('off')
# Plot histogram
d = img_diff.flatten()
bins = list(range(int(max_diff)))
plt.subplot(224)
plt.title('Histogram of Image difference')
h = plt.hist(d, bins=bins)
for i in range(len(h[0])):
plt.text(h[1][i], h[0][i], str(int(h[0][i])))
輸出sigma=5, radius=5：
輸出sigma=30, radius=30：
scipy.ndimage.gaussian_filter和的輸出PIL.ImageFilter.GaussianBlur非常相似，差異可以忽略不計。超過 95% 的差異值 <= 2。
PIL 版本：7.2.0，SciPy 版本：1.5.0
慕少森
TA貢獻2019條經驗 獲得超9個贊
基本上，半徑參數就像西格瑪。我不會挖得太深，但我認為高斯內核在內部略有不同，以便在舍入為整數后保留歸一化，因為 PIL 方法返回 0 到 255 整數級別。
下面的腳本生成一個左邊為 1，右邊為 0 的圖像，然后使用兩種方法進行 sigma = 10 像素模糊，然后繪制穿過每個的中心水平線，加上它們的差異。我做了兩次差異，因為日志只能顯示正差異。
第一個面板是 PIL 和 SciPy 浮點數結果之間的差異，第二個面板是截斷整數 SciPy 結果，第三個是四舍五入的 SciPy。
import numpy as np
import matplotlib.pyplot as plt
import PIL
from scipy.ndimage import gaussian_filter
from PIL import ImageFilter
import PIL
sigma = 10.0
filename = 'piximg.png'
# Save a PNG with a central pixel = 1
piximg = np.zeros((101, 101), dtype=float)
piximg[:, :50] = 1.0
plt.imsave(filename, piximg, cmap='gray')
# Read with PIL
PIL_image = PIL.Image.open(filename)
# Blur with PIL
img_PIL = PIL_image.filter(ImageFilter.GaussianBlur(radius=sigma))
data = img_PIL.getdata()
img_PIL = np.array(list(data)).reshape(data.size[::-1]+(-1,))
g1 = img_PIL[..., 1]
# Blur with SciPy
data = PIL_image.getdata()
array = np.array(list(data)).reshape(data.size[::-1]+(-1,))
img = array.astype(float)
fimg = gaussian_filter(img[...,:3], sigma=sigma, mode='mirror', order=0)
g2 = fimg[..., 1]
g2u = np.uint8(g2)
g2ur = np.uint8(g2+0.5)
if True:
plt.figure()
plt.subplot(3, 1, 1)
plt.plot(g1[50])
plt.plot(g2[50])
plt.plot(g2[50] - g1[50])
plt.plot(g1[50] - g2[50])
plt.yscale('log')
plt.ylim(0.1, None)
plt.subplot(3, 1, 2)
plt.plot(g1[50])
plt.plot(g2u[50])
plt.plot(g2u[50] - g1[50])
plt.plot(g1[50] - g2u[50])
plt.yscale('log')
plt.ylim(0.1, None)
plt.subplot(3, 1, 3)
plt.plot(g1[50])
plt.plot(g2ur[50])
plt.plot(g2ur[50] - g1[50])
plt.plot(g1[50] - g2ur[50])
plt.yscale('log')
plt.ylim(0.1, None)
plt.show()
添加回答
舉報
0/150
提交
取消