使用OpenCV、torch和numpy实现动态模糊的代码示例,-CSDN博客

文章目录

前言
一、OpenCV实现
二、torch实现
三、numpy实现

前言

动态模糊在实际拍照场景中出现较多，主要造成原因是在拍摄瞬间相机的突然抖动形成的，在数据增强方案中可以通过模拟这种退化来使模型适用于这种图片（在该类图片中产生更好的效果）。
请添加图片描述
本文分别提供了用opencv，torch，numpy实现的code。

一、OpenCV实现

def motion_blur(image, degree=15, angle=180):
	# degree越大，动态模糊越强
    image=image.convert("RGB")
    array=np.asarray(image)
    image=cv2.cvtColor(array,cv2.COLOR_RGB2BGR)
    image = np.array(image)
    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)
    cv2.normalize(blurred, blurred, 0, 255, cv2.NORM_MINMAX)  #模糊后需要执行最大最小归一化，否则图像会变暗
    blurred = np.array(blurred, dtype=np.uint8)
    blurr