什么'；这个python图像模糊函数有什么问题？

编辑：多亏了Howard，我已经更正了这里的代码，现在似乎可以正常工作了

EDIT2：我已更新代码，使其包含最初预期的垂直模糊。具有各种设置的结果示例输出：

模糊操作的另一个参考（Java）：

---

原职：

我试图学习基本的图像处理，并在python中复制这个简单的函数（“重用结果”下的第二个函数）。我知道在PIL中已经有了模糊功能，但我想自己尝试一下基本的像素操作

此函数应获取源图像，然后根据特定半径平均RGB像素值，并将处理后的图像写入新文件。我的问题是，我得到了很多像素的平均值完全错误（例如，在某些区域，亮绿线而不是红色）

模糊半径为2时，平均法将以输入像素为中心的5个像素的RGB值相加。它使用一个“滑动窗口”来保持一个运行总数，减去输出像素（左侧）并添加新的输入像素（窗口右侧）

样本：

知道我哪里出错了吗？我不知道为什么图像的某些部分会清晰地模糊，而其他区域则充满了与周围区域完全无关的颜色

谢谢你的帮助

固定工作代码（谢谢Howard）

导入图像、numpy、图像过滤器
img=Image.open（'testimage.jpg'）
imgArr=numpy.asarray（img）#只读
#模糊半径（像素）
半径=2
#模糊窗口长度（像素）
窗长=半径*2+1
#列（x）以像素为单位的图像宽度
imgWidth=imgArr.shape[1]
#行（y）图像高度（像素）
imgHeight=imgArr.shape[0]
#简单框/窗口模糊
def doblur（imgArr）：
#基于输入图像尺寸为已处理图像创建数组
imgB=numpy.zero（（imgHeight，imgWidth，3），numpy.uint8）
imgC=numpy.zero（（imgHeight，imgWidth，3），numpy.uint8）
#一行一行地模糊水平线
对于范围内的ro（仪表灯）：
#RGB颜色值
totalR=0
总g=0
totalB=0
#计算每行第一个像素的模糊值
对于范围内的雷达（-radius，radius+1）：
如果（rads）>=0且（rads）=0：
totalR-=imgArr[ro，co-radius-1][0]/windowLen
totalG-=imgArr[ro，co-radius-1][1]/windowLen
totalB-=imgArr[ro，co-radius-1][2]/windowLen
如果（co+半径）=0且（rads）=0：
totalR-=imgB[ro-radius-1，co][0]/windowLen
总G-=imgB[ro-radius-1，co][1]/windowLen
totalB-=imgB[ro-radius-1，co][2]/windowLen
如果（ro+radius）我想你的线路有问题

for rads in range(-radius, radius):

仅延伸至半径-1（范围不包括最后一个）。在第二个范围参数中添加一个

更新：线路中还有一个小isue

if (co-radius-1) > 0:

应该是哪一个

if (co-radius-1) >= 0:

我只是对你的代码做了一点修改/重构，我想和大家分享一下。我需要做一些自定义模糊处理：1）处理数据数组，2）仅水平缠绕，而不是垂直缠绕。正如TODO所指出的，我正在考虑进一步重构，这样它就可以进行部分像素混合（即0.5）。希望这对某人有所帮助：

def blur_image(image_data, blur_horizontal=True, blur_vertical=True, height=256, width=256, radius=1):
    #TODO: Modify to support partial pixel blending

    # blur window length in pixels
    blur_window = radius*2+1

    out_image_data = image_data

    # blur horizontal row by row, and wrap around edges
    if blur_horizontal:
        for row in range(height):
            for column in range(0, width):
                total_red = 0
                total_green = 0
                total_blue = 0

                for rads in range(-radius, radius+1):
                    pixel = (row*width) + ((column+rads) % width)
                    total_red += image_data[pixel][0]/blur_window
                    total_green += image_data[pixel][1]/blur_window
                    total_blue += image_data[pixel][2]/blur_window

                out_image_data[row*width + column] = (total_red, total_green, total_blue, 255)
        image_data = out_image_data

    # blur vertical, but no wrapping
    if blur_vertical:
        for column in range(width):
            for row in range(0, height):
                total_red = 0
                total_green = 0
                total_blue = 0

                blur_window = 0
                for rads in range(-radius, radius+1):
                    if rads in range(0, height):
                        blur_window += 1

                for rads in range(-radius, radius+1):
                    row_mod = row+rads
                    if row_mod in range(0, height):
                        pixel = (row_mod*width) + column
                        total_red += image_data[pixel][0]/blur_window
                        total_green += image_data[pixel][1]/blur_window
                        total_blue += image_data[pixel][2]/blur_window

                out_image_data[row*width + column] = (total_red, total_green, total_blue, 255)
        image_data = out_image_data

    return image_data

当您已经获得RGBA像素阵列中的图像时，可以使用它，然后运行：

image_data = blur_image(image_data, height=height, width=width, radius=2)

im = Image.new('RGB', (width, height))
im.putdata(image_data)

你能发布一些输入/输出示例吗？当我看到
a-b-c
时，我总是很担心。在任何语言中，我都记不清运算符的关联性，因此不知道在我使用过的每种语言中，它是被解释为
a-（b-c）
还是
（a-b）-c
，加法、减法、乘法和除法是从左到右关联的，就像在数学中一样。求幂运算是唯一常见的从右向左的运算。示例：只是好奇：它快吗？有一种方法可以用一些简单的技巧以更有效的方式重写“for r in rows:for c in columns:…”循环？我认为python代码应该避免计算速度问题的长for循环。谢谢所有的评论。我尝试了霍华德的建议，并改为以下行：
适用于射程内的雷达（-radius，radius+1）
：但我肯定还有其他问题。这是一个示例图像，显示图像前后。第二个图像是由我的原始代码处理的。第三幅图像是在霍华德做了改动后处理的@moski还有一个小问题：if（co-radius-1）>0：应该是if（co-radius-1）>=0。非常感谢！我认为这两个改变已经纠正了我的错误。我倾向于忽略所有的小事情，>对>=和+1，-1来解释从0对1开始的计数。谢谢你的第二双眼睛。我将尝试一些不同的图片，而不是发布更新。再次感谢。我测试了多个图像，它们都按预期进行了处理。为了完成完全模糊，我添加了一个垂直窗口模糊计算。仅水平、水平+垂直、不同半径和多次通过的示例图像：@moski，“我倾向于错过所有的小事情”，你会惊讶于有多少安全漏洞正是这个小问题……）干得好，霍华德，接得好。
image_data = blur_image(image_data, height=height, width=width, radius=2)

im = Image.new('RGB', (width, height))
im.putdata(image_data)