Python 图像处理: 生成二维高斯分布蒙版

本文主要是介绍Python 图像处理: 生成二维高斯分布蒙版，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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

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

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

$I = M*F$ 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

$G(i, j) = \text{exp}^{-\frac{d}{2R}}$ 其中

i,j $i, j$ 表示图像上任何一点的坐标，以左上角为坐标原点，

d $d$ 表示图像上任何一点到图像中心点的距离，

R $R$ 表示图像的半径。假设图像的高为

H $H$ 宽为

W $W$

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

$R = \sqrt{(H/2)^{2}+(W/2)^{2}} = \frac{1}{2} \sqrt{H^{2}+W^{2}}$

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

$d = \sqrt{(i-H/2)^{2}+(j-W/2)^{2}}$


IMAGE_WIDTH = 512
IMAGE_HEIGHT = 392center_x = IMAGE_WIDTH/2
center_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()