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。

I = M * F + (1 - M) * B

这里I 表示合成后的图像，F 表示前景图，B 表示背景图，M 表示蒙版，或者直接用蒙版与图像相乘, 形成一种渐变映射的效果。如下所示。

I = M * F

这里介绍一下高斯分布蒙版的特性，并且用Python实现。

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：

这里写图片描述

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:

G (i, j) = exp - d 2 R

其中

i,j 表示图像上任何一点的坐标，以左上角为坐标原点，

d 表示图像上任何一点到图像中心点的距离，

R 表示图像的半径。假设图像的高为

H 宽为

R = (H / 2) 2 + (W / 2) 2 ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ \sqrt = 1 2 H 2 + W 2 ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ \sqrt

d = (i - H / 2) 2 + (j - W / 2) 2 ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ \sqrt

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