使用带有高斯核的cv2.GaussianBlur和cv2.filter2D的不同结果？

Question

我尝试在Python中移植一些lua/torch代码，有一个序列在图像上运行高斯模糊，如下所示：

local gauK = image.gaussian(math.ceil(3*sigma)*2+1, sigma)
inp = image.convolve(inp, gauK, 'same')

为了在我的方法中复制这一点，我一直在研究cv2.GaussianBlur（）和cv2.filter2D，并传入一个高斯核。在

方法1（cv2.GaussianBlur）：

^{pr2}$

方法2（cv2.filter2D）

kernel_size = int(math.ceil(3 * sigma) * 2 + 1)  # same size as the lua code
gaussian_kernel = cv2.getGaussianKernel(kernel_size, sigma)
blurred_image_2 = cv2.filter2D(img, -1, gaussian_kernel)

在方法1和方法2之间，我得到了不同的图像。似乎方法1的图像比方法2的图像更模糊。有什么原因让我在这里得到不同的结果？我想找出哪一个符合lua代码。谢谢。在

Answer 1

getGaussianKernel函数返回1D向量，使其成为2D高斯矩阵，可以用它的转置相乘（@用于矩阵乘法）。你能试试这个代码吗：

gaussian_kernel = cv2.getGaussianKernel(kernel_size, sigma)
kernel_2D = gaussian_kernel @ gaussian_kernel.transpose()
blurred_image_2 = cv2.filter2D(img, -1, kernel_2D)

Answer 2

这是一个奇怪的问题；为了实用起见，我建议你选一个你满意的并使用它。除此之外，我猜多个参数如何处理的语义导致了这种不匹配。另外，opencv从kernelsize推断sigma的公式（反之亦然）似乎与您的公式不符。在

来自GaussianBlur docs：

• ksize: Gaussian kernel size. ksize.width and ksize.height can differ but they both must be positive and odd. Or, they can be zero's and then they are computed from sigma.
• sigmaX: Gaussian kernel standard deviation in X direction.
• sigmaY: Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, respectively (see cv::getGaussianKernel for details); to fully control the result regardless of possible future modifications of all this semantics, it is recommended to specify all of ksize, sigmaX, and sigmaY.

以及getGaussianKernel docs：

• If it is non-positive, it is computed from ksize as sigma = 0.3\*((ksize-1)\*0.5 - 1) + 0.8

所有的重点都是我的。你的西格玛有没有可能是负的？这可能会导致不匹配。在

编辑：刚刚注意到你想让这个和lua代码匹配。我的建议是保存结果，然后在photoshop或你最喜欢的图像编辑器中进行比较。如果你从参考中减去测试，你应该能够看到差异，而且随着你的尝试越来越近，整体上的差异应该会更小。除此之外，您可以尝试阅读源代码以找出定义上的差异，或者编写您自己的！在

祝你好运！在