双边滤波器实验报告及代码python

https://blog.csdn.net/weixin_40267472/article/details/82773408

“““
Created on Mon May 21 10:24:12 2018

@author: XieMN
“““
from PIL import Image
import matplotlib.pyplot as plt
import math
import copy
%matplotlib inline

class BilateralFilter（object）:
    “““
    定义双边滤波器类：通过空间域和值域模板进行平滑
    变量：
        ds：distance sigma
        rs: range sigma
        c_weight_table：空间域权重模板
        s_weight_table: 值域权重模板
        radius: 平滑模板的半径，即平滑模板大小为（2*radius+1）
    “““
    def __init__（selfds rs radiu）:
        “““初始化变量“““
        self.ds = ds
        self.rs = rs
        self.c_weight_table = []
        self.s_weight_table = []
        self.radius = radiu

    def build_distance_weight_table（self）:
        “““定义空间域模板“““
    #        size = 2 * self.radius + 1
        for semi_row in range（-self.radiusself.radius+1）:
            self.c_weight_table.append（[]）
            for semi_col in range（-self.radiusself.radius+1）:
                # calculate Euclidean distance between center point and close pixels
                delta = -（semi_row * semi_row + semi_col * semi_col）/（2*（self.ds**2））
                self.c_weight_table[semi_row+self.radius].append（
                    math.exp（delta））

    def build_similarity_weight_table（self）:
        “““定义值域模板“““
        for i in range（256）: # since the color scope is 0 ~ 255
            delta = -（i * i） / （2*（self.rs**2））
            self.s_weight_table.append（math.exp（delta ））

    def clamp（selfp）:
        “““return RGB color between 0 and 255“““
        if p < 0:
            return 0
        elif p > 255:
            return 255
        else:
            return p

    def bilateral_filter（self src）:
        “““ 
        双边滤波器的方法：对原始图进行双边滤波器平滑，并返回平滑过后的图
        “““

        height = src.size[0]
        width = src.size[1]
        radius = self.radius
        self.build_distance_weight_table（）
        self.build_similarity_weight_table（）
        in_pixels = src.load（）
        raw_data=[]    
        out_data=copy.deepcopy（src）
    #        out_pixels = {}
        red_sum = green_sum = blue_sum = 0    # result of convolution before normalization
        cs_sum_red_weight = cs_sum_green_weight = cs_sum_blue_weight = 0    # normalization
        #对于边缘像素采用不平滑的方法
        for row in range（radiusheight-radius）:
            for col in range（radiuswidth-radius）:
                # 对每个像素进行平滑
                tr = in_pixels[row col][0]
                tg = in_pixels[row col][1]
                tb = in_pixels[row col][2]
                raw_data.append（（tr tg tb））
                for semi_row in range（-radius radius+1）:
                    for semi_col in range（-radius radius+1）:
                        # 获得模板内的像素
                        row_offset = row + semi_row
                        col_offset = col + semi_col
                        tr2 = in_pixels[row_offset col_offset][0]  
                        tg2 = in_pixels[row_offset col_offset][1]
                        tb2 = in_pixels[row

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        6194  2018-05-23 13:21  XieMN_bilateral_filter\bilateral_filter.py
     文件       37196  2018-05-25 21:46  XieMN_bilateral_filter\lena.jpg
     文件       81147  2018-05-25 21:49  XieMN_bilateral_filter\lena_10.jpg
     文件      112587  2018-05-25 21:50  XieMN_bilateral_filter\lena_20.jpg
     文件     4511150  2018-05-25 23:25  XieMN_bilateral_filter\XieMN_bilateral_filter.html
     目录           0  2018-05-25 23:26  XieMN_bilateral_filter\实验结果\
     文件      855407  2018-05-25 23:05  XieMN_bilateral_filter\实验结果\1.png
     文件      782218  2018-05-25 23:10  XieMN_bilateral_filter\实验结果\2_1.png
     文件      782448  2018-05-25 23:22  XieMN_bilateral_filter\实验结果\2_2.png
     文件      880623  2018-05-25 23:11  XieMN_bilateral_filter\实验结果\3.png
     文件      762398  2018-05-25 23:11  XieMN_bilateral_filter\实验结果\4.png
     文件       36153  2018-05-25 23:17  XieMN_bilateral_filter\实验结果\lena_10_m_11_s_10_c_25.jpg
     文件       36823  2018-05-25 23:20  XieMN_bilateral_filter\实验结果\lena_10_m_13_s_10_c_25.jpg
     文件       44463  2018-05-25 22:56  XieMN_bilateral_filter\实验结果\lena_10_m_3_s_1_c_25.jpg
     文件       47573  2018-05-25 22:58  XieMN_bilateral_filter\实验结果\lena_10_m_3_s_10_c_10.jpg
     文件       36425  2018-05-25 23:00  XieMN_bilateral_filter\实验结果\lena_10_m_3_s_10_c_25.jpg
     文件       25846  2018-05-25 22:59  XieMN_bilateral_filter\实验结果\lena_10_m_3_s_150_c_150.jpg
     文件       71594  2018-05-25 22:57  XieMN_bilateral_filter\实验结果\lena_10_m_3_s_25_c_1.jpg
     文件       36392  2018-05-25 22:57  XieMN_bilateral_filter\实验结果\lena_10_m_3_s_25_c_25.jpg
     文件       29359  2018-05-25 22:59  XieMN_bilateral_filter\实验结果\lena_10_m_3_s_60_c_60.jpg
     文件       36153  2018-05-25 23:06  XieMN_bilateral_filter\实验结果\lena_10_m_5_s_10_c_25.jpg
     文件       33368  2018-05-25 23:08  XieMN_bilateral_filter\实验结果\lena_10_m_5_s_10_c_50.jpg
     文件       36823  2018-05-25 23:05  XieMN_bilateral_filter\实验结果\lena_10_m_7_s_10_c_25.jpg
     文件       36425  2018-05-25 23:16  XieMN_bilateral_filter\实验结果\lena_10_m_9_s_10_c_25.jpg
     文件     3809357  2018-05-25 23:27  XieMN_bilateral_filter\谢梦娜_双边滤波器实验报告.docx