Numpy 图像的模糊化处理

我们可以用高斯滤波器对图像进行模糊化处理。高斯滤波器基于正态分布。在SciPy中有一个对应的高斯滤波器函数，需要用标准差作为输入参数。
在本攻略中，我们还将绘制一条极坐标的玫瑰线（polar rose）和一条螺线。这些图案和图像的模糊化处理并不直接相关，把它们添加到图像中，只是为了更有趣。

具体步骤

为了在极坐标系下绘图，首先要做一些初始化工作。接着将对图像Lena进行模糊化处理，并把它绘制在极坐标平面内。

1. 初始化。

为了在极坐标系下绘图，需要做如下的初始化工作。

NFIGURES = int(sys.argv[1])
k = numpy.random.random_integers 
    (1, 5, NFIGURES)
a = numpy.random.random_integers 
    (1, 5, NFIGURES)

colors = ['b', 'g', 'r', 'c',  'm', 'y', 'k']

2. 对图像Lena进行模糊化处理。

使用高斯滤波器对图像Lena进行模糊化处理，标准差的取值为4。

matplotlib.pyplot.subplot(212)
blurred = scipy.ndimage.gaussian_filter 
    (lena, sigma=4)

matplotlib.pyplot.imshow(blurred)
matplotlib.pyplot.axis('off')

3. 在极坐标系下绘图。

Matplotlib中有一个polar函数，用来在极坐标系下绘图。

theta = numpy.linspace 
    (0, k[0] * numpy.pi, 200)
matplotlib.pyplot.polar 
    (theta, numpy.sqrt(theta), choice(colors))

for i in xrange(1, NFIGURES):
    theta = numpy.linspace 
        (0, k[i] * numpy.pi, 200)
    matplotlib.pyplot.polar 
        (theta, a[i] * numpy.cos(k[i] * theta), choice(colors))

最终生成如下的图形。

本攻略的完整代码如下。

import numpy
import matplotlib.pyplot
from random import choice
import sys
import scipy
import scipy.ndimage

# 初始化
NFIGURES = int(sys.argv[1])
k = numpy.random.random_integers(1, 5, NFIGURES)
a = numpy.random.random_integers(1, 5, NFIGURES)

colors = ['b', 'g', 'r', 'c', 'm', 'y', 'k']

lena = scipy.misc.lena()
matplotlib.pyplot.subplot(211)
matplotlib.pyplot.imshow(lena)
matplotlib.pyplot.axis('off')

# 对图像Lena进行模糊化处理
matplotlib.pyplot.subplot(212)
blurred = scipy.ndimage.gaussian_filter(lena, sigma=4)

matplotlib.pyplot.imshow(blurred)
matplotlib.pyplot.axis('off')

# 在极坐标系下绘图
theta = numpy.linspace(0, k[0] * numpy.pi, 200)
matplotlib.pyplot.polar(theta, numpy.sqrt(theta), choice(colors))

for i in xrange(1, NFIGURES):
    theta = numpy.linspace(0, k[i] * numpy.pi, 200)
    matplotlib.pyplot.polar(theta, a[i] * numpy.cos(k[i] * theta), choice(colors))

matplotlib.pyplot.axis('off')

matplotlib.pyplot.show()

小结

在本章中，我们用到了下列函数。