高斯滤波(仅满足学习需求）

大三上学期，数字摄影测量（张云生教授）一课中第一个实验：高斯滤波
以下主要是本人在该实验过程中发现的问题，仅作为日后参考

问题：

input()函数默认输入的为字符型
计算n的m次幂时尽量使用：n**m
尽量不要使用循环，会使程序变慢
缩进是python的灵魂
@jit 仅仅作为尝试，并未掌握

疑问：

python允许不声明（或使用前声明）变量而直接使用，但在矩阵时就出现了问题

#头文件

import numpy as np
import cv2 as cv
import mathimport matplotlib.pyplot as plt
import time 
from numba import jit

delta=float(input('输入高斯滤波的参数delta:'))  #高斯滤波参数
img = cv.imread('data1.jpg')   #读入图片
img2 = img.copy()

def creat_gauss(local_delta = 1.5):
      """ 生成高斯滤波器 """
    g = lambda x,y: (math.e**((-x * x - y * y) / (2 * local_delta**2))) / (2 * math.pi * local_delta**2)   #高斯函数
    
    #计算参数
    gauss_mat = np.mat(np.ones((3,3)))
    gauss_mat[1,1] = g(0,0)    
    gauss_mat[0,0] = gauss_mat[0,2] = gauss_mat[2,0] = gauss_mat[2,2] = g(1,1)    
    gauss_mat[0,1] = gauss_mat[1,0] = gauss_mat[1,2] = gauss_mat[2,1] = g(1,0)        
    gauss_mat = gauss_mat * (1 / gauss_mat.sum())   #归一化
    
    return gauss_mat
    
#####得到中心位置为(a,b)滤波部分的三种方法#####    

    #第一种方法
#     for i in range(3):
#         for j in range(3):
#             old_mat[i,j] = img[a-1+i,b-1+j,z]

#   #第二种方法（比第一种方法快上3s）
#     old_mat[0,0]=img[a-1,b-1,z]
#     old_mat[0,1]=img[a-1,b,z]
#     old_mat[0,2]=img[a-1,b+1,z]
#     old_mat[1,0]=img[a,b-1,z]
#     old_mat[1,1]=img[a,b,z]
#     old_mat[1,2]=img[a,b+1,z]
#     old_mat[2,0]=img[a+1,b-1,z]
#     old_mat[2,1]=img[a+1,b,z]
#     old_mat[2,2]=img[a+1,b+1,z]

    #第三种方法(比第二种方法快1s)
#     old_mat=img[a-1:a+2,b-1:b+2,z]   #左开右闭区间  例如：[1,3)
         
#矩阵定义
gauss_mat = np.mat(np.ones((3,3)))
old_mat = np.mat(np.ones((3,3)))

#预处理
gauss_mat = creat_gauss(delta)
[X,Y,Z] = img.shape

#遍历图像进行滤波(很耗时)
for z in range(Z):
    for x in range(1,X-1):
        for y in range(1,Y-1):
            old_mat = img[x-1:x+2,y-1:y+2,z]
            final_mat = np.multiply(gauss_mat,old_mat)    #矩阵对应元素相乘
            img2[x,y,z] = final_mat.sum()

##尝试加快程序运行速度

#@jit
# def try12():
#     for z in range(Z):
#         for x in range(1,X-1):
#             for y in range(1,Y-1):
#                 old_mat=img[x-1:x+2,y-1:y+2,z]
#                 final_mat = np.multiply(gauss_mat,old_mat)
#                 a=final_mat.sum()

##计时

# t1 = time.time()
# t2 = time.time()
# print(t2-t1)

#显示图像

cv.imshow(' Original image ', img)
cv.imshow(' New image ', img2)
cv.waitKey(0)

# ##使用matplotlib显示
# img = cv.cvtColor(img, cv.COLOR_BGR2RGB)
# img2 = cv.cvtColor(img2, cv.COLOR_BGR2RGB) 

# fig = plt.figure()
# plt.subplot(1,2,1)    #分割显示

# plt.imshow(img)
# plt.axis('off')
# plt.title(' Original image ')

#plt.subplot(1,2,2)
# plt.imshow(img2)
# plt.axis('off')
# plt.title(' New image ')

# plt.show()     #必须加该语句

##使用numpy显示

# htitch= np.hstack((img, img2))
# cv.imshow("test1",htitch)
# cv.waitKey(0)

高斯滤波(仅满足学习需求）

猜你喜欢