如何改進PythonOpenCV中的可變鏡頭模糊演算法？

我想模仿廉價相機鏡頭（如

我選擇了 5 的最大模糊（這是高斯的 sigma，以像素為單位，而不是內核的足跡），blur_map這里用中間的 0 和角落的 1 之間的因子縮放這個 sigma圖片。

另一個有趣的效果如下，隨著影像中間每個圓的切向模糊增加，徑向模糊很少：

angle_map = dip.CreatePhiCoordinate(img.Sizes())
img_blur = dip.AdaptiveGauss(img, [angle_map, blur_map], sigmas=[8,1])

uj5u.com熱心網友回復：

這是在 Python/OpenCV 中應用（均勻、不變）鏡頭散焦模糊的一種方法，方法是將影像和濾波器都轉換到傅立葉（頻率）域。

• 讀取輸入
• 將輸入的 dft 轉換為傅立葉域
• 在黑色背景上繪制一個白色實心圓圈，輸入大小作為掩碼（過濾器內核）。這是空間域中的散焦核，即圓形矩形函式。
• 稍微模糊圓圈以消除邊緣的鋸齒
• 滾動蒙版，使中心位于原點（左上角）并標準化，使值的總和 = 1
• 將掩碼的 dft 轉換為傅立葉域，其中其幅度分布是一個 jinx 函式。
• 將兩個 dft 影像相乘以應用模糊
• 取乘積的 idft 變換回空間域
• 獲取乘積的實部和虛部的大小，裁剪并轉換為uint8作為結果
• 保存結果

輸入：

import numpy as np
import cv2

# read input and convert to grayscale
img = cv2.imread('lena_512_gray.png', cv2.IMREAD_GRAYSCALE)

# do dft saving as complex output
dft_img = np.fft.fft2(img, axes=(0,1))

# create circle mask
radius = 32
mask = np.zeros_like(img)
cy = mask.shape[0] // 2
cx = mask.shape[1] // 2
cv2.circle(mask, (cx,cy), radius, 255, -1)[0]

# blur the mask slightly to antialias
mask = cv2.GaussianBlur(mask, (3,3), 0)

# roll the mask so that center is at origin and normalize to sum=1
mask_roll = np.roll(mask, (256,256), axis=(0,1))
mask_norm = mask_roll / mask_roll.sum() 

# take dft of mask
dft_mask_norm = np.fft.fft2(mask_norm, axes=(0,1))

# apply dft_mask to dft_img
dft_shift_product = np.multiply(dft_img, dft_mask_norm)

# do idft saving as complex output
img_filtered = np.fft.ifft2(dft_shift_product, axes=(0,1))

# combine complex real and imaginary components to form (the magnitude for) the original image again
img_filtered = np.abs(img_filtered).clip(0,255).astype(np.uint8)

cv2.imshow("ORIGINAL", img)
cv2.imshow("MASK", mask)
cv2.imshow("FILTERED DFT/IFT ROUND TRIP", img_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

# write result to disk
cv2.imwrite("lena_512_gray_mask.png", mask)
cv2.imwrite("lena_dft_numpy_lowpass_filtered_rad32.jpg", img_filtered)

掩碼 - 空間域中的過濾器內核：

圓半徑 = 4 的結果：

圓半徑 = 8 的結果：

圓半徑 = 16 的結果：

圓半徑=32 的結果

：

添加

將 OpenCV 用于 dft 等而不是 Numpy，以上變為：

import numpy as np
import cv2

# read input and convert to grayscale
img = cv2.imread('lena_512_gray.png', cv2.IMREAD_GRAYSCALE)

# do dft saving as complex output
dft_img = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)

# create circle mask
radius = 32
mask = np.zeros_like(img)
cy = mask.shape[0] // 2
cx = mask.shape[1] // 2
cv2.circle(mask, (cx,cy), radius, 255, -1)[0]

# blur the mask slightly to antialias
mask = cv2.GaussianBlur(mask, (3,3), 0)

# roll the mask so that center is at origin and normalize to sum=1
mask_roll = np.roll(mask, (256,256), axis=(0,1))
mask_norm = mask_roll / mask_roll.sum() 

# take dft of mask
dft_mask_norm = cv2.dft(np.float32(mask_norm), flags = cv2.DFT_COMPLEX_OUTPUT)

# apply dft_mask to dft_img
dft_product = cv2.mulSpectrums(dft_img, dft_mask_norm, 0)

# do idft saving as complex output, then clip and convert to uint8
img_filtered = cv2.idft(dft_product, flags=cv2.DFT_SCALE cv2.DFT_REAL_OUTPUT)
img_filtered = img_filtered.clip(0,255).astype(np.uint8)

cv2.imshow("ORIGINAL", img)
cv2.imshow("MASK", mask)
cv2.imshow("FILTERED DFT/IFT ROUND TRIP", img_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

# write result to disk
cv2.imwrite("lena_512_gray_mask.png", mask)
cv2.imwrite("lena_dft_opencv_defocus_rad32.jpg", img_filtered)

標籤：Python 麻木的 opencv 图像处理 模糊

上一篇：裁剪影像中的所有字符

下一篇：如何將影像保存在已經存在的目錄中？