Гауссово размытие
Вы решили задачу. Теперь можно сравнить подходы.
Разбор задачи обработки изображений. N = H × W — число пикселей. Сложность включает чтение и запись изображения.
Авторский разбор для локальной версии на основе условия задачи. Это не выгрузка чужих посылок и не официальное решение исходного сайта.
Ваше принятое решение
Рекомендуемое решение: Обработка массива без циклов Python
Гауссов фильтр с ядром 5×5 сглаживает шум. Параметры границы и округление должны совпадать с условием, иначе пиксельная проверка обнаружит различие.
import cv2
import numpy as np
image = cv2.imread('input.png')
result = cv2.GaussianBlur(image, (5, 5), 0, borderType=cv2.BORDER_DEFAULT)
cv2.imwrite('output.png', result)
Время: O(N) при фиксированных параметрах фильтра. Память: O(N), включая исходное и результирующее изображение.
Другой способ: Загрузка через Pillow, обработка через OpenCV
Альтернативный путь ввода: Pillow читает RGB, затем каналы переставляются в BGR для OpenCV. Алгоритм обработки тот же, но при загрузке возникает дополнительная копия изображения. Это полезно при работе с форматами и метаданными Pillow.
import cv2
import numpy as np
from PIL import Image
image = np.array(Image.open('input.png').convert('RGB'))[:, :, ::-1].copy()
result = cv2.GaussianBlur(image, (5, 5), 0, borderType=cv2.BORDER_DEFAULT)
cv2.imwrite('output.png', result)
Время: O(N). Память: O(N), включая копии массивов.
На что обратить внимание
- OpenCV читает цветные изображения в порядке BGR, а Pillow — RGB.
- Сохраните результат в output.png; печать массива в консоль не заменяет изображение.
- Проверка использует фиксированные тестовые картинки, а не загруженный вами пример.
Рекомендация учитывает сложность и читаемость для этой задачи. Единственного самого быстрого решения для всех размеров входа и всех компьютеров может не быть.