为什么高斯滤波器在cv2和skimage之间是不同的？

Question

我使用cv2.GaussianBlur和skimage.gaussian_filter库将高斯模糊应用于图像，但得到的结果明显不同。我很好奇为什么，以及可以做些什么让skimage看起来更像cv2。我知道skimage.gaussian_filter是scipy.scipy.ndimage.filters.gaussian_filter的包装器。为了清楚地说明这个问题，为什么这两个函数不同，可以做些什么来使它们更相似？

这是我的测试图像：

​

​

这是cv2版本(看起来比较模糊)：

​

​

这是skimage/scipy版本(看起来更清晰)：

​

​

详细信息：

skimage_response = skimage.filters.gaussian_filter(im, 2, multichannel=True, mode='reflect')

cv2_response = cv2.GaussianBlur(im, (33, 33), 2)

所以sigma=2和过滤器的大小是足够大的，它不应该有什么不同。Imagemagick covnert -gaussian-blur 0x2在视觉上与cv2一致。

版本：cv2=2.4.10，skimage=0.11.3，scipy=0.13.3

Answer 1

如果有人想知道如何使skimage.gaussian_filter()与Matlab的等效imgaussfilt()匹配(这就是我发现这个问题的原因)，请将参数'truncate=2‘传递给skimage.gaussian_filter()。skimage和Matlab都将内核大小作为sigma的函数进行计算。Matlab的默认值是2。Skimage的默认值是4，这导致默认情况下内核要大得多。

Answer 2

对于GaussianBlur，您使用的是一个相当大的内核(size=33)，这会导致大量的平滑。平滑将在很大程度上取决于你的内核大小。有了你的参数，每个新的像素值在一个33*33像素的“窗口”中被“平均”。

可以在这里找到cv2.GaussianBlur的定义http://docs.opencv.org/3.1.0/d4/d13/tutorial_py_filtering.html#gsc.tab=0

相比之下，skimage.filters.gaussian似乎可以在较小的内核上工作。在skimage中，“大小”由sigma定义，它与内核大小有关，如下所示：https://en.wikipedia.org/wiki/Gaussian_filter

定义可以在这里找到：http://scikit-image.org/docs/dev/api/skimage.filters.html#skimage.filters.gaussian

为了获得相应的结果，您必须使用较小的OpenCV内核。

此外，对于这两个库，我强烈建议使用最新的库版本。

Answer 3

这两个是相等的：

gau_img = cv2.GaussianBlur(img, (5,5), 10.0) # 5*5 kernal, 2 on each side. 2 = 1/5 * 10 = 1/5 * sigma
gau_img = skimage.filters.gaussian(img, sigma=10, truncate=1/5)

整个高斯核仅由sigma定义。但是你使用高斯内核的哪个部分来模糊图像是由truncate (在skimage中)或ksize (在opencv中)定义的。