从第一原理简单地"模糊"表示python中的图像的数组

Question

我有一个图像,包括两个任意放置的黑色1px"斑点"在白色画布上100px到200px.我试图通过将一些相邻像素(每个blob的半径10px内)转为黑色来模糊这些斑点.我已经将以下代码放在一起,但我不确定下一步...

import numpy as np
from PIL import Image 
from scipy import ndimage
from matplotlib import pyplot
from matplotlib import cm
from scipy.misc import imsave

im = Image.open("test.png")
pix = np.asarray(im)
new_pix = np.copy(pix[:,:,0]) # need this otherwise can't write to the pix array.
pix_to_enlarge = np.where(new_pix != 255)
pixels_to_enlarge_by = 10
i=0
for each_pixel in pix_to_enlarge[0]: # this cycles through each non-white pixel
    for y in range(len(new_pix)): # this looks across the length (down) the page
        for x in new_pix[y]: # this looks across the x-axis for each y step
            radius = pixels_to_enlarge_by**2

所以基本上我已经在变量pixels_to_enlarge_by中找到了非白色像素的位置.我正在尝试(到目前为止未能做到的)是选择周围的像素(在10px内)并将它们也改为黑色.有任何想法吗？

Answer 1

在某种方式中,您需要查看每个像素,然后确定要将多少内容分配给图片中的每个其他像素,例如通过比较两者之间的距离.

以下是numpy的完成方式.如果你想手动完成,那么在任何情况下都可以作为起点.它被称为卷积. 使用python和numpy的2d卷积

这是关于高斯模糊的一个很好的起点:http: //en.wikipedia.org/wiki/Gaussian_blur

但是如果你只想制作一个开/关模糊效果,那么与(卷积内核)卷积的函数只是关于源点和任何可能的相邻像素之间距离的if语句.对于这种情况肯定会有优化:你的循环不需要跨越所有像素的所有像素,只需要足够大,以便大小为R的圆符合所考虑的范围.

既然你想要第一原则,就在这里.它仅适用于rgb黑色和白色

from PIL import Image 

im = Image.open("cat2.png")
px=im.load()
im2 = im.copy()
px2=im2.load()
sx,sy=im.size
def turnpixel(Nix,Niy):
    for ix in range(sx):
        for iy in range(sy):
            r2=(Nix-ix)**2+(Niy-iy)**2
            if r2<5:
                if sum(px[ix,iy])>100: # rgb sum>100 is considered ON.
                    px2[Nix,Niy]=(255,255,255)                            
                    return
                    # we turned a pixel on, so we are done with it.

for Nix in range(sx):
    for Niy in range(sy):
        px2[Nix,Niy]=(0,0,0)
        turnpixel(Nix,Niy)

im.show()
im2.show()

如果你想要平滑是距离的函数使用类似的东西

import math
def turnpixel(Nix,Niy):
    for ix in range(sx):
        for iy in range(sy):
            r=int(math.sqrt((Nix-ix)**2+(Niy-iy)**2))
            def convfunc(o,v):
                return o+int(v/(r*20+1))
            px2[Nix,Niy]=tuple(map(convfunc,px2[Nix,Niy],px[ix,iy]))
            if sum(px2[Nix,Niy])>=3*250:
                return

显然,如果你做这样的事情,你应该操作浮点数,而不是整数.并使用numpy或一些图像处理模块.

高斯模糊(在上面的函数内).现在整数是一个非常糟糕的主意btw:

        inv2sigma2=1.0/(2*3)
        r2=(Nix-ix)**2+(Niy-iy)**2
        fact=inv2sigma2/(math.pi)*math.exp(-r2*inv2sigma2)
        def convfunc(o,v):
            return o+int(v*fact)