合成模糊图像

参考：

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
     
    
  
 

2) 对焦模糊

opencv提供了GaussianBlur函数(具体参见这里).

image = cv2.GaussianBlur(image, ksize=(degree, degree), sigmaX=0, sigmaY=0)

 

3) 噪点

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
     
    
  
 

文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/108052474