Python生成二维高斯分布蒙版：原理与代码实现

Alice

发布时间：2026-10-13| 6人浏览过

原创

本文介绍在图像处理中利用高斯分布生成蒙版的方法，用于图像融合与特效制作。详细解析了亮度从中心1向边缘0衰减的原理，并提供了基于Python和NumPy的两种实现方式：循环计算与矩阵运算，帮助开发者快速掌握相关技术。

高斯分布蒙版的应用场景

在图像处理及特效制作领域，常需使用具备高斯分布特征的蒙版。此类蒙版可用于图像融合，通过将不同内容的两张图像与蒙版结合，可创造出多样化的艺术视觉效果。

公式中，I 代表合成后的图像，F 代表前景图，B 代表背景图，M 代表蒙版。此外，也可直接将蒙版与图像相乘，从而形成渐变映射效果，具体示意如下。

高斯分布特性与Python实现

接下来介绍高斯分布蒙版的特性，并使用 Python 语言进行代码实现。

所谓高斯分布蒙版，本质上是一张亮度从中心向外扩散的分布图，其形态如下所示。

亮度分布原理

亮度取值范围介于 1 到 0 之间，从中心向边缘逐渐减弱。中心点的亮度值最高为 1，而边缘点的亮度值最低为 0。图像上任意一点的亮度值可通过特定公式计算得出。

参数定义与计算

式中，i 和 j 表示图像上任意一点的坐标，以左上角为坐标原点；d 表示该点到图像中心点的距离；R 表示图像的半径。假设图像的高度为 H，宽度为 W。

Python代码实现


IMAGE_WIDTH = 512
IMAGE_HEIGHT = 392

center_x = IMAGE_WIDTH/2
center_y = IMAGE_HEIGHT/2

R = np.sqrt(center_x**2 + center_y**2)

Gauss_map = np.zeros((IMAGE_HEIGHT, IMAGE_WIDTH))

# 利用 for 循环 实现
for i in range(IMAGE_HEIGHT):
  for j in range(IMAGE_WIDTH):
    dis = np.sqrt((i-center_y)**2+(j-center_x)**2)
    Gauss_map[i, j] = np.exp(-0.5*dis/R)

# 直接利用矩阵运算实现

mask_x = np.matlib.repmat(center_x, IMAGE_HEIGHT, IMAGE_WIDTH)
mask_y = np.matlib.repmat(center_y, IMAGE_HEIGHT, IMAGE_WIDTH)

x1 = np.arange(IMAGE_WIDTH)
x_map = np.matlib.repmat(x1, IMAGE_HEIGHT, 1)

y1 = np.arange(IMAGE_HEIGHT)
y_map = np.matlib.repmat(y1, IMAGE_WIDTH, 1)
y_map = np.transpose(y_map)

Gauss_map = np.sqrt((x_map-mask_x)**2+(y_map-mask_y)**2)

Gauss_map = np.exp(-0.5*Gauss_map/R)

# 显示和保存生成的图像
plt.figure()
plt.imshow(Gauss_map, plt.cm.gray)
plt.imsave('out_2.jpg', Gauss_map, cmap=plt.cm.gray)
plt.show()

以上关于 Python 图像处理中生成二维高斯分布蒙版的实例分享完毕，希望能为读者提供参考，并欢迎大家继续支持本站。