0

Simple Blur

Unsolved
Computer Vision

Difficulty: 1 | Problem written by mesakarghm
Problem reported in interviews at

Apple
Facebook
Netflix

In this problem, you are given a NumPy array (2D) representing a grayscale image. Your job is to read this image and blur it using the image processing library Pillow. The output should also be a NumPy array representing the blurred image.

Sample Input:
<class 'list'>
img_array: [[ 1 7 9 13 12] [11 21 61 81 91] [ 5 66 6 5 5]]

Expected Output:
<class 'numpy.ndarray'>
[[[ 1 255] [ 7 255] [ 9 255] [ 13 255] [ 12 255]] [[ 11 255] [ 21 255] [ 61 255] [ 81 255] [ 91 255]] [[ 5 255] [ 66 255] [ 6 255] [ 5 255] [ 5 255]]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Vel odio quo vero, magni eius commodi quia quaerat ut inventore ullam quasi aliquam quod repellat, neque accusamus temporibus fuga aperiam autem iure saepe praesentium explicabo, placeat in optio sint, blanditiis dolor expedita nostrum unde dignissimos? Dolorem esse exercitationem facere eum in amet doloremque autem. Non exercitationem laboriosam soluta doloremque voluptatem neque necessitatibus a alias perferendis, aut reprehenderit quia recusandae vel similique, ad repellendus nobis dignissimos molestias a animi, debitis nulla ipsa natus quos et nostrum esse? Voluptate quidem iste, illum nihil deserunt eveniet eum, corrupti ad dignissimos quam, perferendis odio reprehenderit rerum repudiandae earum debitis recusandae cum non tempora molestiae, repudiandae dolore repellendus mollitia quam nihil ipsam magni nisi veritatis temporibus.

Delectus voluptatum ipsa qui quam deleniti. Accusamus nostrum laudantium dolorem, dolorum praesentium quia repellat esse sit explicabo facere quis adipisci, officiis odit ipsum in deleniti porro reiciendis, quibusdam eaque distinctio magnam odit odio porro impedit maiores, hic sit eaque fugit quae aperiam quidem exercitationem molestias alias vel veritatis.

Aperiam facilis quidem mollitia perferendis enim officiis saepe voluptatibus incidunt id. Natus tempore voluptatibus dicta placeat iure, officiis consequuntur voluptatem repudiandae eum consectetur error laudantium blanditiis illo provident deserunt, maiores sed eveniet consequatur?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)