我有一个灰度图像和一个二进制掩模的ROI在图像。我想在灰度图像上执行模糊操作，但只能在遮罩的范围内。现在，我正在模糊整个图像，而不仅仅是去除遮罩之外的项目，但我不希望遮罩之外的像素影响我的ROI。有没有一种方法可以做到这一点，而无需建立自定义模糊功能？
希望能有这样的东西：
import scipy
blurredImage = scipy.ndimage.filters.gaussian_filter(img, sigma = 3, weight = myMask)字符串
@stefan：
blur = 3
invmask = np.logical_not(mask).astype(int)
masked = img * mask
remaining = img * invmask
blurred = scipy.ndimage.filters.gaussian_filter(masked, sigma = blur)
blurred = blurred+remaining型
扩张入路：
blur = 3
invmask = np.logical_not(mask).astype(int)
masked = img * mask
masked2 = scipy.ndimage.morphology.grey_dilation(masked,size=(5,5))
masked2 = masked2 *invmask
masked2 = masked + masked2
blurred = scipy.ndimage.filters.gaussian_filter(masked2, sigma = blur)型
2条答案
按热度按时间vc9ivgsu1#
将线性滤波器应用于有限域的正确方法是使用Normalized Convolution。该方法计算每个邻域内的（加权）均值，然后通过该邻域中存在的（加权）像素数进行归一化。它只使用滤波器的两个应用程序和一些琐碎的每像素操作来实现：
字符串
请注意，
mask不需要仅为0和1，它可以包含中间值，表明您对该像素值的正确性有多“确定”。但通常情况下，0表示“缺失数据”，1表示可用数据。gaussian_filter必须以浮点格式进行计算，并返回浮点值图像。整数运算在这里不会做正确的事情。下面是一个例子：
的数据
bmvo0sr52#
你想要达到的目标是不容易的，也没有你想象的那么明确。
模糊操作对应于每个像素的邻域中的像素的一些（各向同性）平均。但是在域的边界附近，邻域是不完整的，您也需要修复它
对于第一种方法，您可以劫持标准过滤器，如下所示：
如果图像是整数类型，则使用255而不是1以保持足够的精度。注意，在ROI之外，比率将具有零分母。