极客教程用Python在图像上应用高斯滤波器
高斯滤波器是一个低通滤波器，用于降低噪音（高频成分）和模糊图像区域。该滤波器是作为一个奇数大小的对称核（矩阵的DIP版本）来实现的，它通过感兴趣区域的每个像素来获得所需的效果。该核对颜色的急剧变化（边缘）并不困难，因为核中心的像素比外围的像素拥有更多的权重，从而获得最终的数值。高斯滤波器可以被认为是高斯函数的一种近似值（数学）。在这篇文章中，我们将学习使用Python编程语言，利用高斯滤波器来减少图像中的噪音。
我们将使用以下图片进行演示。
Windows explorer的一个片段的截图
应用高斯滤波器的过程
在对图像使用高斯滤波的过程中，我们首先要定义用于去除图像的内核/矩阵的大小。这些尺寸通常是奇数，也就是说，整体结果可以在中心像素上计算出来。此外，内核是对称的，因此有相同数量的行和列。核内的数值是由高斯函数计算出来的，如下所示。
2维高斯函数
其中，
x → X坐标值
y → Y坐标值
σ → 标准偏差
使用上述函数可以计算出任何大小的高斯核，只要给它提供适当的值。一个标准偏差=1的3×3高斯核近似值（二维），显示如下
在Python中实现高斯核
我们将使用PIL（Python Imaging Library）中名为filter()的函数，将我们的整个图像通过预定义的高斯核。该函数的帮助页面如下。
语法: Filter(Kernel)
摄取一个内核（预定义或自定义），并通过它摄取图像的每个像素（内核卷积）。
参数: Filter Kernel
返回: Image Object
在下面的例子中，我们将对上述图像进行模糊处理。
# ImageFilter for using filter() function
from PIL import Image, ImageFilter
# Opening the image
# (R prefixed to string in order to deal with '\' in paths)
image = Image.open(r"IMAGE_PATH")
# Blurring image by sending the ImageFilter.
# GaussianBlur predefined kernel argument
image = image.filter(ImageFilter.GaussianBlur)
# Displaying the image
image.show()
输出:
Blurred Image
解释:
首先，我们导入了PIL库的Image和ImageFilter（用于使用filter()）模块。然后我们通过在IMAGE_PATH（用户定义）的路径上打开图像来创建一个图像对象。之后，我们通过过滤器函数过滤图像，并提供ImageFilter.GaussianBlur（ImageFilter模块中预定义的）作为参数。ImageFilter.GaussianBlur的内核尺寸是5×5。最后我们显示了图像。
注意：内核的大小可以通过传递内核的半径作为参数（可选）来进行操作。这就改变了下面这一行的内容。
image = image.filter(ImageFilter.GaussianBlur)
to
image = image.filter(ImageFilter.GaussianBlur(radius=x))
其中x => 模糊半径（从中心像素开始的一个方向的内核大小）。
模糊图像中的一个小区域
可以不对整个图像进行模糊处理，而是对其中的某些部分进行选择性的模糊处理。这可以通过首先裁剪图像中需要的区域，然后通过filter()函数来完成。该函数的输出（模糊的子图像）将被粘贴到原始图像上。这将给我们带来理想的输出。
其代码如下：
from PIL import Image, ImageFilter
image = Image.open(r"FILE_PATH")
# Cropping the image
smol_image = image.crop((0, 0, 150, 150))
# Blurring on the cropped image
blurred_image = smol_image.filter(ImageFilter.GaussianBlur)
# Pasting the blurred image on the original image
image.paste(blurred_image, (0,0))
# Displaying the image
image.save('output.png')
输出:
只有图像的左上角区域是模糊的