图像处理----图像模糊（高斯模糊）

python-图像模糊操作：包括均值模糊，中值模糊，高斯模糊和双边滤波。本文主要讲其中的高斯模糊。

图像的高斯模糊时非常经典的图像卷积例子。本质上，图像模糊就是将（灰度）图像I和一个高斯核进行卷积操作：高斯模糊通常是其他图像处理操作的一部分，比如图像插值操作，兴趣点计算，以及很多其他应用。scipy有用来做滤波处理的scipy.ndimage.filters模块。该模块使用快速一维分离的方式来计算卷积。scipy.ndimage.filters.gaussian_filter(a,b),其中b参数代表标准差（）。

代码如下：

from PIL import Image

from numpy import *

from scipy.ndimage import filters

# im = Image.open('D:\\software\\pycharm\\PycharmProjects\\computer-version\\data\\tu3.jpg') # 打开原图

# # im_gray = im.convert('L') # 转化为灰度图像

# # im.show() #显示原始灰度图像

im_gray = array(Image.open('D:\\software\\pycharm\\PycharmProjects\\computer-version\\data\\tu3.jpg').convert('L'))

im_gray2 = filters.gaussian_filter(im_gray,2)

image_2 =Image.fromarray(im_gray2) #Image.fromarray() 函数将数组对象作为输入，并返回由数组对象制作的图像对象。

# image_1.show() #标准差为2时的高斯滤波器

im_gray3 = filters.gaussian_filter(im_gray2,5)

image_3 =Image.fromarray(im_gray3)

# image_3.show() #标准差为2时的高斯滤波器

im_gray4 = filters.gaussian_filter(im_gray,10)

image_4 =Image.fromarray(im_gray4)

# image_4.show() #标准差为2时的高斯滤波器

原始灰度图如下：

（=2）结果如下：

（=5）结果如下：

（=10）结果如下：

结论：标准差越大，图像就越模糊。