Python opencv生成模糊图像 |
您所在的位置：网站首页 › Insta360oner 对焦模糊 › Python opencv生成模糊图像 |
Python opencv生成模糊图像
|
在做目标检测由于数据不够想对现有的图像数据进行数据增强，数据增强一般有：旋转、翻转、模糊、光照调整、增加噪声、平移和缩放等方法。由于我需要做到实时目标检测，想增加图像的运动模糊数据（仅个人猜想运动模糊数据可以增强目标检测准确性）。 下面是引用到的模糊处理的方法： 原文地址：https://www.cnblogs.com/arkenstone/p/8480759.html 1） 运动模糊图像一般来说，运动模糊的图像都是朝同一方向运动的，那么就可以利用cv2.filter2D函数。 import numpy as np def motion_blur(image, degree=10, angle=20): image = np.array(image) # 这里生成任意角度的运动模糊kernel的矩阵， degree越大，模糊程度越高 M = cv2.getRotationMatrix2D((degree/2, degree/2), angle, 1) motion_blur_kernel = np.diag(np.ones(degree)) motion_blur_kernel = cv2.warpAffine(motion_blur_kernel, M, (degree, degree)) motion_blur_kernel = motion_blur_kernel / degree blurred = cv2.filter2D(image, -1, motion_blur_kernel) # convert to uint8 cv2.normalize(blurred, blurred, 0, 255, cv2.NORM_MINMAX) blurred = np.array(blurred, dtype=np.uint8) return blurred
opencv提供了GaussianBlur函数(具体参见这里). image = cv2.GaussianBlur(image, ksize=(degree, degree), sigmaX=0, sigmaY=0)
其实就是在每个像素点添加随机扰动： def gaussian_noise(image, degree=None): row, col, ch = image.shape mean = 0 if not degree: var = np.random.uniform(0.004, 0.01) else: var = degree sigma = var ** 0.5 gauss = np.random.normal(mean, sigma, (row, col, ch)) gauss = gauss.reshape(row, col, ch) noisy = image + gauss cv2.normalize(noisy, noisy, 0, 255, norm_type=cv2.NORM_MINMAX) noisy = np.array(noisy, dtype=np.uint8) return noisy
|
【本文地址】
今日新闻 |
推荐新闻 |