自适应高斯滤波函数python代码

以下是一个自适应高斯滤波函数的Python代码示例：

import cv2
import numpy as np

def adaptive_gaussian_filter(img, ksize, sigma):
    # 计算高斯核的尺寸和中心
    ksize = int(ksize)
    if ksize % 2 == 0:
        ksize += 1
    center = ksize // 2

    # 初始化输出图像
    out = np.zeros_like(img)

    # 遍历每个像素
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            # 计算当前像素的局部窗口
            xstart = max(i - center, 0)
            xend = min(i + center + 1, img.shape[0])
            ystart = max(j - center, 0)
            yend = min(j + center + 1, img.shape[1])
            window = img[xstart:xend, ystart:yend]

            # 计算窗口内像素的均值和方差
            mean = np.mean(window)
            variance = np.mean((window - mean) ** 2)

            # 计算当前像素的自适应高斯核
            if variance == 0:
                kernel = np.ones((ksize, ksize)) / ksize ** 2
            else:
                kernel = np.zeros((ksize, ksize))
                for x in range(ksize):
                    for y in range(ksize):
                        dx = x - center
                        dy = y - center
                        kernel[x, y] = np.exp(-(dx ** 2 + dy ** 2) / (2 * variance * sigma ** 2))
                kernel /= np.sum(kernel)

            # 对窗口内的像素进行滤波
            out[i, j] = np.sum(kernel * window)

    return out

该函数接受三个参数：输入图像、高斯核的大小和sigma值。它首先计算每个像素的局部窗口，然后计算窗口内像素的均值和方差。接下来，它计算当前像素的自适应高斯核，并使用该核对窗口内的像素进行滤波。最后，它返回输出图像。