Python 基于NumPy的自适应高斯滤波

在具有静态sigma值的图像上运行高斯滤波器很容易：

scipy.ndimage.gaussian_filter(input, sigma)

---

但是如何使用每个像素不同的

sigma

值来实现这一点呢？例如，我可能有另一个大小相同的NumPy数组，用于指示每个像素使用什么sigma。

我不知道OpenCV、scipy.ndimage或scikit image中有自适应高斯滤波器实现。确实有这样一个过滤器（披露：我是作者）。您可以使用

pip install diplib

安装它

这就是如何使用自适应高斯滤波器的方法，其中只有内核的大小发生变化（此函数还可以旋转拉长的高斯滤波器，它非常简洁，我建议您使用它！）

将diplib作为dip导入
img=dip.ImageRead（'examples/trui.ics'）
#我们需要一个图像来指示每个像素的内核方向，
#我们只是将其设置为0
方向=img.相似（'SFLOAT'）
方向。填充（0）
#我们需要一个图像来指示每个像素的内核大小，
#这是你的NumPy阵列
比例=倾角CreateRadiusCoordinate（img.Sizes（））/200
#这就是函数。“scale”图像中的内核大小相乘
#根据这里给出的sigmas
out=倾角自适应高斯（img，[方向，刻度]，sigmas=[5,5]）
dip.ImageWrite（img，'so_in.jpg'）
dip.ImageWrite（out，'so_out.jpg'）

---

请注意，到DIPlib的Python绑定中的图像对象与NumPy数组兼容。

您可能没有在ndimage中实现这一点。DIPlib确实有一个实现，或者您可以自己实现。你有几个不同的西格玛值，还是有很多不同的值？我问这个问题是因为有一条捷径可以解决很少的sigma问题，那就是对每个像素进行不同的模糊处理。还有一张“图片”上写着，每个像素应该模糊多少。将尝试一下DIPlib-谢谢你@CrisLuengo