Python：仅沿空间维度对 N 通道图像进行高斯滤波？

Question

我有一个

HxWxN

图像

arr

，我想要对其进行高斯模糊。

scipy.ndimage.gaussian_filter

似乎将图像视为通用数组，并且还沿着最终通道维度进行模糊处理。所需的行为是对所有

arr[:, :, i]

独立进行高斯模糊

i

，然后将所得切片连接回

HxWxN

结果数组。

是否有更好的库或函数可以用来直接实现这一目标，或者我真的需要将

scipy.ndimage.gaussian_filter

放入

i

的 for 循环中？

额外的问题是，如果我将 M 张图像组织为

MxHxWxN

数组会怎样？如何仅模糊 H 和 W 尺寸？

Answer 1

使用

scipy.ndimage.gaussian_filter

解决方案

要仅对标准差为 1.6 的

H

x

W

x

H

图像

W

的空间维度

N

和

arr

进行高斯模糊，请使用：

std=1.6
gaussian_filter(arr, sigma=(std, std, 0))

说明

根据 SciPy Docs

scipy.ndimage.gaussian_filter

允许通过将标量序列传递给参数 sigma 来单独指定每个轴的标准导数：

sigma：标量或标量序列

高斯核的标准差。高斯滤波器的标准差以序列或单个数字的形式针对每个轴给出，在这种情况下，所有轴的标准差都相等。

将轴的 sigma 设置为

0

表示在该方向上不进行过滤。

如果仅给 sigma 一个标量，则图像的空间维度和 RGB 通道都会一起模糊，从而导致图像不饱和。

奖励答案

对于形状为

M

的

MxHxWxN

图像数组，您可以设置

sigma=(0,std, std, 0)

性能

快速查看 scipy.ndimage.gaussian_filter

的 源代码后，似乎该方法

gaussian_filter1d

仅适用于那些具有 sigma > 1e-15 的维度。如果 sigma=0

 不是 

> 1e-15

，则跳过此维度的过滤。所以这个解决方案不应该引起任何不必要的计算。

Answer 2

我明白了。

cv2.GaussianBlur()

 正是这样做的：它独立地模糊每个通道，并且图像可以具有任意数量的通道。