[英]Python image convolution with numpy slices produces strange results on some images
我正在尝试使用 Numpy 在 GIMP 的插件中实现卷积,但得到了一些奇怪的结果。
给我带来问题的功能是这个:(它仅对灰度图像进行操作)
def convolve(self, pixels, kernel):
bw, bh = pixels.shape
k_w, k_h = kernel.shape
if (k_w != k_h):
raise ValueError("Passed kernel is not of the right shape")
#expand the image
bigger = np.lib.pad(pixels, int(k_w/2), 'reflect').astype(np.float)
pixels.fill(0)
pixels = pixels.astype(np.float)
for x in range(k_w):
for y in range(k_h):
pixels += kernel[x,y]*bigger[x : bw + x,
y : bh + y]
return np.clip(pixels,0,255).astype(np.uint8)
不知何故,对于某些图像尺寸,输出变得一团糟。 具体示例可以是在此图像上应用 5x5 高斯模糊时:
输入:
错误的输出:
最奇怪的是,对于很多图像——尤其是方形图像——插件工作正常。 例如,如果我在 GIMP 中手动将图像扩展为正方形,则会得到正确模糊的图像:
我已经尝试将 numpy 数组的大小调整为一个正方形,然后将其裁剪回来,但令人惊讶的是,这并没有解决问题。
编辑:目前正在运行这样的代码:
self.convolve(pixels,
np.array([
[ 1, 4, 6, 4, 1,],
[ 4,16,24,16, 4,],
[ 6,24,36,24, 6,],
[ 4,16,24,16, 4,],
[ 1, 4, 6, 4, 1,],
], dtype=np.float)*1/256)
但是对于任何 3x3 过滤器都可以看到同样的问题,像这样的内核可以正常工作
[ 0, 0, 0,],
[0.5, 0, 0.5,],
[ 0, 0, 0,],
像这样的内核会产生奇怪的问题:
[ 0, 0.5, 0,],
[ 0, 0, 0,],
[ 0, 0.5, 0,],
发现问题! 该问题是由于错误地将数据从 GIMP 解析到 numpy 数组而引起的。 不小心交换了数组的维度,导致过滤器出现了一些奇怪的行为。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.