马海祥博客是一个专注于分享SEO优化、网站制作、网络营销和运营思维的自媒体博客!
马海祥博客 > 互联网 > 互联网技术 > 基于高斯模糊原理的模糊图片的研究

基于高斯模糊原理的模糊图片的研究

时间:2013-11-12   文章来源:马海祥博客   访问次数:

通常,我们不想让对方看到图片的真实情景或者只想突出我们要表达的某一块的时候,我们就要对不想展示的部分通过图片处理给隐藏起来。一般的图像处理软件都会提供“模糊”(blur)滤镜,使图片产生模糊的效果。产生“模糊”效果的方法有很多种,但今天我要在马海祥博客上跟大家分享的是一种叫做“高斯模糊”(Gaussian Blur),它将正态分布(又名“高斯分布”)用于图像处理。

基于高斯模糊原理的模糊图片的研究-马海祥博客

高斯模糊(Gaussian Blur)是美国Adobe图像软件公司开发的一个图像处理软件:Adobe Photoshop(系列)中的一个滤镜,具体的位置在:滤镜—模糊——高斯模糊!高斯模糊的原理中,它是根据高斯曲线调节象素色值,它是有选择地模糊图像。说得直白一点,就是高斯模糊能够把某一点周围的像素色值按高斯曲线统计起来,采用数学上加权平均的计算方法得到这条曲线的色值,最后能够留下人物的轮廓,即曲线,是指当Adobe Photoshop将加权平均应用于像素时生成的钟形曲线。

一、高斯模糊的原理

本文要介绍的“高斯模糊”的算法,本质上,它是一种数据平滑技术(data smoothing),适用于多个场合,图像处理恰好提供了一个直观的应用实例。其实所谓的“模糊”,可以理解成每一个像素都取周边像素的平均值。

基于高斯模糊原理的模糊图片的研究-马海祥博客

上图中,2是中间点,周边点都是1。

基于高斯模糊原理的模糊图片的研究-马海祥博客

“中间点”取“周围点”的平均值,就会变成1。在数值上,这是一种“平滑化”。在图形上,就相当于产生“模糊”效果,“中间点”失去细节。

显然,计算平均值时,取值范围越大,“模糊效果”越强烈。

基于高斯模糊原理的模糊图片的研究-马海祥博客

上面分别是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大,图像就越模糊。从数值角度看,就是数值越平滑。

接下来的问题就是,既然每个点都要取周边像素的平均值,那么应该如何分配权重呢?

如果使用简单平均,显然不是很合理,因为图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远。因此,加权平均更合理,距离越近的点权重越大,距离越远的点权重越小。

二、正态分布的权重

正态分布显然是一种可取的权重分配模式。

基于高斯模糊原理的模糊图片的研究-马海祥博客

在图形上,正态分布是一种钟形曲线,越接近中心,取值越大,越远离中心,取值越小。

计算平均值的时候,我们只需要将"中心点"作为原点,其他点按照其在正态曲线上的位置,分配权重,就可以得到一个加权平均值。

三、高斯函数

上面的正态分布是一维的,图像都是二维的,所以我们需要二维的正态分布。

基于高斯模糊原理的模糊图片的研究-马海祥博客

正态分布的密度函数叫做“高斯函数”(Gaussian function)。它的一维形式是:

基于高斯模糊原理的模糊图片的研究-马海祥博客

其中,μ是x的均值,σ是x的方差。因为计算平均值的时候,中心点就是原点,所以μ等于0。

基于高斯模糊原理的模糊图片的研究-马海祥博客

根据一维高斯函数,可以推导得到二维高斯函数:

基于高斯模糊原理的模糊图片的研究-马海祥博客

有了这个函数 ,就可以计算每个点的权重了。

四、高斯模糊的方程式

高斯模糊背后的基本想法是采取加权平均,每个像素是平均周围的像素,而不是简单地以平均的所有的像素。每个像素的权重更大,如果它是接近你目前的像素就会越模糊。高斯模糊技术的简单描述如何权衡每个相邻像素。想象一下你正在模糊的像素是位于峰的驼峰下面的图片和它周围的像素正在接受更少的重量作为他们得到远。你可以考虑下面的图片是考虑到5像素之外,这意味着高斯模糊有一个“窗口”的大小10,也被称为一个内核大小。

基于高斯模糊原理的模糊图片的研究-马海祥博客

这就是高斯方程式,通过它我们可以找到我们想要的重量是多少?根据其距离中心像素每个像素接收和像素较少受到重量。

基于高斯模糊原理的模糊图片的研究-马海祥博客

让我们解释一下这个方程分别代表着什么:

σ(小写字母σ)——这是模糊因素,这个因素值越大,平滑的图像变得就越模糊。

e -这仅仅是欧拉数,一个常数2.71828182846

x -这是原点的距离——水平距离中心像素。

y -这是原点的距离——垂直距离中心像素。

这意味着,x和y在这个方程将零对中心像素(当前像素我们想模糊),x ^ 2 + y ^ 2增加随着我们越来越远离中心,导致较低的权重像素远。

五、权重矩阵

假定中心点的坐标是(0,0),那么距离它最近的8个点的坐标如下:

基于高斯模糊原理的模糊图片的研究-马海祥博客

更远的点以此类推。

为了计算权重矩阵,需要设定σ的值。假定σ=1.5,则模糊半径为1的权重矩阵如下:

基于高斯模糊原理的模糊图片的研究-马海祥博客

这9个点的权重总和等于0.4787147,如果只计算这9个点的加权平均,还必须让它们的权重之和等于1,因此上面9个值还要分别除以0.4787147,得到最终的权重矩阵:

基于高斯模糊原理的模糊图片的研究-马海祥博客

六、计算高斯模糊

有了权重矩阵,就可以计算高斯模糊的值了。

假设现有9个像素点,灰度值(0-255)如下:

基于高斯模糊原理的模糊图片的研究-马海祥博客

每个点乘以自己的权重值:

基于高斯模糊原理的模糊图片的研究-马海祥博客

得到

基于高斯模糊原理的模糊图片的研究-马海祥博客

将这9个值加起来,就是中心点的高斯模糊的值。

对所有点重复这个过程,就得到了高斯模糊后的图像。如果原图是彩色图片,可以对RGB三个通道分别做高斯模糊。

七、计算一个高斯矩阵

如果我们想找出如何权衡邻近像素,我们要一个“窗口”或“内核大小”为3的高斯模糊。当然该中心像素(像素我们实际上是模糊)将获得最重量。允许选择一个σof 1.5我们希望我们如何模糊图像。

我们可以得到:

基于高斯模糊原理的模糊图片的研究-马海祥博客

每个权重评估它看起来像这样:(注意:权重为中心像素是最大的)

基于高斯模糊原理的模糊图片的研究-马海祥博客

如果你很细心的你会发现这个矩阵并不增加1。这代表一个权重,所有的重量加在一起时将不得不增加1。我们可以乘每个号码1 /金额,确保这是真的。这个矩阵的总和是0.4787147。这意味着我们需要乘矩阵的所有元素1/0.4787147以便最终增加到1。于是我们可以得到以下矩阵公式来模糊每个像素。

基于高斯模糊原理的模糊图片的研究-马海祥博客

八、边界点的处理

如果一个点处于边界,周边没有足够的点,怎么办?

一个变通方法,就是把已有的点拷贝到另一面的对应位置,模拟出完整的矩阵。

九、利用高斯核矩阵到一个图像

假如说下面图片展示的是我们的图片:(每个数字代表一个像素的颜色从0 - 255)

基于高斯模糊原理的模糊图片的研究-马海祥博客

模糊这张照片我们需要使用我们的内核矩阵对每个像素进行模糊处理。

让我们说我们想模糊像素#25(像素的颜色是25在我们图像矩阵)。这意味着我们得到像素25和替换25平均像素。我们权衡每个相邻像素(和25本身)与我们先前创建的内核矩阵。所以它将如下:

基于高斯模糊原理的模糊图片的研究-马海祥博客

现在我们有适当的权衡每个相邻像素,我们需要添加和替换这个新值25,然后循环这个过程和每一个像素点,你会有一个模糊的图像。

本文发布于马海祥博客文章,如想转载,请注明原文网址摘自于http://www.mahaixiang.cn/internet/320.html,注明出处;否则,禁止转载;谢谢配合!

相关标签搜索: 高斯模糊   高斯模糊原理   模糊图片   高斯模糊研究  

上一篇:基于贝叶斯推断应用原理的过滤垃圾邮件研究
下一篇:计算机的开机启动原理

您可能还会对以下这些文章感兴趣!

  • 关于大型网站架构的负载均衡技术详解

    负载均衡是将负载(工作任务,访问请求)进行平衡、分摊到多个操作单元(服务器,组件)上进行执行,是解决高性能,单点故障(高可用),扩展性(水平伸缩)的终极解决方案。面对大量用户访问、高并发请求,海量数据,可以使用高性能的服务器、大型数据库,存储设备,高性能W……【查看全文

    阅读:828关键词: 大型网站   网站架构   负载均衡   日期:2016-08-05
  • 今日头条的个性化推荐算法

    互联网给用户带来了大量的信息,满足了用户在信息时代对信息的需求,但也使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息,对信息的使用效率反而降低了,而通常解决这个问题最常规的办法是推荐系统。推荐系统能有效帮助用户快速发现感兴趣和高质量的信……【查看全文

    阅读:13005关键词: 今日头条   日期:2016-01-20
  • 详解大型网站系统的特点和架构演化发展历程

    大型网站的挑战主要来自庞大的用户,高并发的访问和海量数据,任何简单的业务一旦需要处理数以P计的数据和面对数以亿计的用户,问题就会变得棘手,大型网站架构主要就是解决这类问题。大型网站不是从无到有一步就搭建好一个大型网站,而是能够伴随小型网站业务的渐进发……【查看全文

    阅读:860关键词: 大型网站   网站架构   网站系统   日期:2017-03-02
  • 基于贝叶斯推断应用原理的过滤垃圾邮件研究

    随着电子邮件的应用与普及,垃圾邮件的泛滥也越来越多地受到人们的关注。而目前正确识别垃圾邮件的技术难度非常大。传统的垃圾邮件过滤方法,主要有关键词法和校验码法等。前者的过滤依据是特定的词语;后者则是计算邮件文本的校验码,再与已知的垃圾邮件进行对比。它们……【查看全文

    阅读:893关键词: 贝叶斯推断   贝叶斯应用   贝叶斯原理   过滤垃圾邮件   垃圾邮件   日期:2013-11-01
  • HTTP与HTTPS的区别

    超文本传输协议HTTP协议被用于在Web浏览器和网站服务器之间传递信息,HTTP协议以明文方式发送内容,不提供任何方式的数据加密,如果攻击者截取了Web浏览器和网站服务器之间的传输报文,就可以直接读懂其中的信息,因此HTTP协议不适合传输一些敏感信息,比如信用卡密码等……【查看全文

    阅读:57103关键词: http   https   日期:2015-07-21
  • 如何收集和存储服务器运营的数据

    随着数据的逐步完善和开放,互联网和企业都将建立起完善的大数据服务基础架构及商业化模式,从数据的存储、挖掘、管理、计算等方面提供一站式服务,将各行各业的数据孤岛打通互联,而且数据应用的生态系统也将变得非常成熟,甚至出现用户与数据服务商之间的算法提供商,……【查看全文

    阅读:1832关键词: 数据收集   数据存储   服务器运营   日期:2015-02-09
  • 盘点2010年代这10年的重大网络安全事件

    二十一世纪的第2个十年即将过去,在过去十年里有很多的重大网络安全事件发生,我们见证了过去十年,大量的数据泄露、黑客攻击、民族国家之间的间谍行动、几乎不间断的金钱利益网络犯罪以及让系统崩溃的恶意软件,这些安全事件不绝于耳。以史为镜可以知兴替,我们不必沉溺于过去重大的数据泄露事件或者黑客行动,而是更应该专注他们的技术,从这些技术中去预见未来网络安全趋势,让专家对网络安全领域范式转变有所了解。下面我就按时间……【查看全文

    阅读:202关键词: 2010年代   网络安全   网络事件   日期:2019-12-21
  • 基于眼球追踪技术对用户调研的探讨研究

    眼球追踪技术就是当人的眼睛看向不同方向时,眼部会有细微的变化,这些变化会产生可以提取的特征,计算机可以通过图像捕捉或扫描提取这些特征,从而实时追踪眼睛的变化,预测用户的状态和需求,并进行响应,达到用眼睛控制设备的目的。其实现的原理可分为三类:一是根据……【查看全文

    阅读:267关键词: 眼球追踪技术   用户调研   日期:2017-07-26
  • 企业云计算中存储必备的9大要素

    在最近对云计算的所有关注中,存储更多地被视为基础平台。时至今日,许多云计算提供的仅仅局限于CPU内核的集合,定量的内存分配,低转速存储,或者还有一些面向互联网的IP技术。近来,出现了有趣的与云计算和存储相关的高级技术,特别是使用Web Services访问方式,使得……【查看全文

    阅读:354关键词: 企业云计算   云计算   存储要素   日期:2014-04-11
  • 基于高斯模糊原理的模糊图片的研究

    高斯模糊(Gaussian Blur)的原理中,它是根据高斯曲线调节象素色值,它是有选择地模糊图像。说得直白一点,就是高斯模糊能够把某一点周围的像素色值按高斯曲线统计起来,采用数学上加权平均的计算方法得到这条曲线的色值,最后能够留下人物的轮廓,即曲线,是指当Adobe……【查看全文

    阅读:695关键词: 高斯模糊   高斯模糊原理   模糊图片   高斯模糊研究   日期:2013-11-12
↓ 点击查看更多 ↓

互联网更多>>

SEO优化 更多>>

2013年的最后一次谷歌PR值更新终于来了 医疗集团网络部搭建和运营的初步方案