使用2D高斯蒙版遮罩灰度图像失败

Question

这似乎很简单，但是我没有得到期望的结果。 有人可以向我解释原因吗？ 我有下面的代码来生成2D高斯蒙版，其均值在中心和sigma为32x32像素图像的图像高度的1/3，如下所示：

def gauss2D(image):
    x,y = image.shape[:2]
    shape = (x,y)
    sigma = 1/3 * min(x,y)
    m,n = [(ss-1.)/2. for ss in shape]
    y,x = np.ogrid[-m:m+1,-n:n+1]
    h = np.exp( -(x*x + y*y) / (2.*sigma*sigma) )
    h[ h < np.finfo(h.dtype).eps*h.max() ] = 0
    h = h / h.max() 
    return h

以下是我要使用的蒙版图像：

我用来屏蔽图像的代码如下：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
msk = gauss2D(gray)
masked_data = gray * msk

结果图像是这样的：

一个空白的白色图像，有时在角落显示一些不同的图像。

我还尝试了一点与并应用蒙版，但我不断收到似乎无法修复的错误：

res = cv2.bitwise_and(gray, gray, mask = msk)

cv2.error：OpenCV（3.4.1）/Users/travis/build/skvark/opencv-python/opencv/modules/core/src/arithm.cpp:241：错误：（-215）（mtype == 0 || mtype == 1）&& _mask.sameSize（* psrc1）在binary_op函数中

Answer 1

试试这个，对我有用。

import numpy as np
import scipy.stats as st

def gkern(kernlen=21, nsig=3):

"""Returns a 2D Gaussian kernel array."""

interval = (2*nsig+1.)/(kernlen)
x = np.linspace(-nsig-interval/2., nsig+interval/2., kernlen+1)
kern1d = np.diff(st.norm.cdf(x))
kernel_raw = np.sqrt(np.outer(kern1d, kern1d))
kernel = kernel_raw/kernel_raw.sum()
return kernel

输入：

import matplotlib.pyplot as plt
plt.imshow(gkern(21), interpolation='none')