Python 图像处理: 生成二维高斯分布蒙版
来源:互联网 发布:网络优化工程师培训费 编辑:程序博客网 时间:2024/06/05 05:47
在图像处理以及图像特效中,经常会用到一种成高斯分布的蒙版,蒙版可以用来做图像融合,将不同内容的两张图像结合蒙版,可以营造不同的艺术效果。
这里
高斯分布的蒙版,简单来说,就是一个从中心扩散的亮度分布图,如下所示:
亮度的范围从 1 到 0, 从中心到边缘逐渐减弱,中心的亮度值最高为1,边缘的亮度值最低为 0. 图像上任何一点的亮度值为:
IMAGE_WIDTH = 512IMAGE_HEIGHT = 392center_x = IMAGE_WIDTH/2center_y = IMAGE_HEIGHT/2R = np.sqrt(center_x**2 + center_y**2)Gauss_map = np.zeros((IMAGE_HEIGHT, IMAGE_WIDTH))# 利用 for 循环 实现for i in range(IMAGE_HEIGHT): for j in range(IMAGE_WIDTH): dis = np.sqrt((i-center_y)**2+(j-center_x)**2) Gauss_map[i, j] = np.exp(-0.5*dis/R)# 直接利用矩阵运算实现mask_x = np.matlib.repmat(center_x, IMAGE_HEIGHT, IMAGE_WIDTH)mask_y = np.matlib.repmat(center_y, IMAGE_HEIGHT, IMAGE_WIDTH)x1 = np.arange(IMAGE_WIDTH)x_map = np.matlib.repmat(x1, IMAGE_HEIGHT, 1)y1 = np.arange(IMAGE_HEIGHT)y_map = np.matlib.repmat(y1, IMAGE_WIDTH, 1)y_map = np.transpose(y_map)Gauss_map = np.sqrt((x_map-mask_x)**2+(y_map-mask_y)**2)Gauss_map = np.exp(-0.5*Gauss_map/R)# 显示和保存生成的图像plt.figure()plt.imshow(Gauss_map, plt.cm.gray)plt.imsave('out_2.jpg', Gauss_map, cmap=plt.cm.gray)plt.show()
0 0
- Python 图像处理: 生成二维高斯分布蒙版
- 图像处理 二维高斯分布
- 图像高斯分布生成
- matlab生成二维服从高斯分布的数据
- matlab生成二维服从高斯分布的数据
- matlab 二维高斯分布
- 二维高斯分布随机数
- 图像处理之二维高斯滤波详解
- 协方差矩阵与二维高斯分布
- 如何生成指定均值和协方差矩阵的二维高斯分布数据
- Python画图高斯分布
- 生成高斯图像
- 生成高斯分布随机数的程序
- C/C++生成高斯分布随机数
- 生成随机数(高斯分布)
- matlab:画二维高斯分布密度函数图
- Python数据可视化之高斯分布
- 图像处理--高斯滤波
- Linux特殊权限:SUID、SGID、SBIT
- Java多线程核心技术(三):线程间通信
- android应用退出后在任务管理器隐藏
- OpenVPN GUI连接显示黄色
- jsp页面关于Java,js和html的加载顺序
- Python 图像处理: 生成二维高斯分布蒙版
- 安卓6.0之后——动态获取权限封装
- Oracle数据库用户查询常用命令
- Java线程同步之同步锁
- JS时间戳转YYYY-MM-DD 形式的时间显示
- LeetCode :Number Complement
- Python开发-Python基础学习-Python基本语法
- 不少Gate或Node运算子 的反向传播代码
- 【Web前端】COOKIE与SESSION的机制区别