原理：
二维高斯函数
1) 为了计算权重矩阵，需要设定σ的值。假定σ=1.5，则模糊半径为1的权重矩阵如下：
2) 这9个点的权重总和等于0.4787147，如果只计算这9个点的加权平均，还必须让它们的权重之和等于1，因此上面9个值还要分别除以0.4787147，得到最终的权重矩阵。
有了权重矩阵，就可以计算高斯模糊的值了。
3) 假设现有9个像素点，灰度值（0-255）如下：
4) 每个点乘以自己的权重值：
5) 得到
将这9个值加起来，就是中心点的高斯模糊的值。
对所有点重复这个过程，就得到了高斯模糊后的图像。如果原图是彩色图片，可以对RGB三个通道分别做高斯模糊。
############################################################################################高斯模糊，按照给定的txt文档每4个数据模糊相应位置#################
###############################################################################
# -*- coding: utf-8 -*-
"""
Created on Tue Mar 07 14:00:00 2017
@author: sl
"""
import os
from PIL import Image, ImageFilter
class MyGaussianBlur(ImageFilter.Filter):
name = "GaussianBlur"
def __init__(self, radius=2, bounds=None):
self.radius = radius
self.bounds = bounds
def filter(self, image):
if self.bounds:
clips = image.crop(self.bounds).gaussian_blur(self.radius) ###图片的最前头拷贝一部分图片(使用crop函数),进行高斯模糊处理
image.paste(clips, self.bounds) ###粘贴到需要修改的图片上,来完成相应覆盖
return image
else:
return image.gaussian_blur(self.radius)
image = Image.open(r"G: est.jpg")
i=0
a=0
b=0
c=0
d=0
j=0
num=0
for line in open(r"G:a.txt"):
j=j+1
num=j
if num!=0:
for line in open(r"G:a.txt"):
i=i+1
if((i%4)==1):
a=int(line)
elif((i%4)==2):
b=int(line)
elif((i%4)==3):
c=int(line)
else:
d=int(line)
if((i%num)==4):
h=min(20,int((c-a)/4))
w=min(20,int((d-b)/4))
bounds = (a+h,b+w,c-h,d-w)
image = image.filter(MyGaussianBlur(radius=29, bounds=bounds))
elif((i%num)==8):
h=min(5,int((c-a)/4))
w=min(5,int((d-b)/4))
bounds = (a+h,b+w,c-h,d-w)
image = image.filter(MyGaussianBlur(radius=29, bounds=bounds))
else:
h=min(10,int((c-a)/4))
w=min(10,int((d-b)/4))
bounds = (a+h,b+w,c-h,d-w)
image = image.filter(MyGaussianBlur(radius=29, bounds=bounds))
if num==16:
image.save('G:\aaa.jpg')
else:
image.save('G:\pp\aaa.jpg')