如何高斯滤波(模糊)一个浮点numpy数组

Question

我有一个a类型的numpy数组float64.如何使用高斯滤波器模糊此数据？

我试过了

from PIL import Image, ImageFilter

image = Image.fromarray(a)
filtered = image.filter(ImageFilter.GaussianBlur(radius=7))

,但这会产生ValueError: 'image has wrong mode'.(它有模式F.)

我可以通过乘以a一些常数,然后舍入到整数来创建合适模式的图像.这应该有效,但我希望有一个更直接的方式.

(我正在使用Pillow 2.7.0.)

Answer 1

如果你有一个二维numpy数组a,你可以直接在其上使用高斯滤镜,而不使用Pillow首先将它转换为图像.scipy有一个gaussian_filter相同的功能.

from scipy.ndimage.filters import gaussian_filter

blurred = gaussian_filter(a, sigma=7)

Answer 2

使用卷积和高斯滤波器的可分离性的纯 numpy 解决方案为两个单独的滤波器步骤（这使得它相对较快）：

kernel = np.array([1.0,2.0,1.0]) # Here you would insert your actual kernel of any size
a = np.apply_along_axis(lambda x: np.convolve(x, kernel, mode='same'), 0, a)
a= np.apply_along_axis(lambda x: np.convolve(x, kernel, mode='same'), 1, a)

Answer 3

这是我仅使用 numpy 的方法。它是用一个简单的 3x3 内核准备的，稍作改动就可以使其与自定义大小的内核一起使用。

def blur(a):
    kernel = np.array([[1.0,2.0,1.0], [2.0,4.0,2.0], [1.0,2.0,1.0]])
    kernel = kernel / np.sum(kernel)
    arraylist = []
    for y in range(3):
        temparray = np.copy(a)
        temparray = np.roll(temparray, y - 1, axis=0)
        for x in range(3):
            temparray_X = np.copy(temparray)
            temparray_X = np.roll(temparray_X, x - 1, axis=1)*kernel[y,x]
            arraylist.append(temparray_X)

    arraylist = np.array(arraylist)
    arraylist_sum = np.sum(arraylist, axis=0)
    return arraylist_sum