数字图像处理-空间域处理-空间滤波-锐化空间滤波器
2018-04-09 09:33
411 查看
参考自:数字图像处理第三版-冈萨勒斯
锐化处理的主要目的是突出灰度的过渡部分。增强边缘和其他突变(噪声),削弱灰度变化缓慢的区域。
"空间滤波-锐化-拉普拉斯算子" import numpy as np import cv2 # 定义函数,实现拉普拉斯算子 def Laplace(src): template = np.ones((3, 3), dtype=np.float32) # 模板 template[1, 1] = -8.0 addBorderImg = cv2.copyMakeBorder(src, 1, 1, 1, 1, cv2.BORDER_REFLECT_101) #扩充边界 row, col = src.shape dst = np.zeros((row, col), dtype=np.int16) for i in range(row): for j in range(col): temp = addBorderImg[i:i+3, j:j+3] dst[i, j] = np.sum(template*temp) return dst inputImg = cv2.imread(r'F:\program_study\Python\data\Fig0217(a).tif', cv2.IMREAD_GRAYSCALE) cv2.imshow('input', inputImg) laplaceImg = Laplace(inputImg) # 拉普拉斯滤波后的图像 laplaceImg1 = laplaceImg laplaceImg1[laplaceImg1 < 0] = 0 laplaceImg1 = np.uint8(laplaceImg1) cv2.imshow('laplace', laplaceImg1) outputImg = np.zeros(inputImg.shape, dtype=np.float32) # 锐化图像 outputImg = inputImg - laplaceImg outputImg[outputImg < 0] = 0 outputImg[outputImg > 255] = 255 outputImg = np.uint8(outputImg) cv2.namedWindow('output', cv2.WINDOW_NORMAL) cv2.imshow('output', outputImg) cv2.waitKey(0) cv2.destroyAllWindows()拉普拉斯算子
非锐化掩蔽和高提升滤波
处理过程:
1、平滑原图像
2、原图像减去1得到的平滑图像(得到的差值图像称为模板)
3、将模板加到原图像上
过程2, 为平滑图像
过程3
k为权重系数,k=1是非锐化掩蔽;k>1是高提升滤波;k<1则不强调非锐化模板的贡献
一阶微分-梯度
函数f(x, y)在(x,y)出的梯度定义为一个二维列向量 它指出了函数在(x,y)处的最大变化率方向
向量的幅度值(长度)表示为M(x, y),即
它是最大变化率在(x,y)处的值,M(x,y)是与原图像大小相同的图像,通常称为梯度图像
在某些时候,用绝对值近似计算幅度值:
计算一阶微分
1、Roberts交叉梯度算子[1965]
gx = (z9 - z5) 和 gy = (z8 - z6)
2、Sobel算子
gx = (z7 + 2z8 + z9) - (z1 + 2z2 + z3)
gy = (z3 + 2z6 + z9) - (z1 + 2z4 + z7)
用模板计算出一阶微分后,再根据3.6-11或3.6-12计算梯度图像M(x, y)
相关文章推荐
- 【学习笔记】【数字图像处理】空间滤波
- 数字图像处理--空间滤波
- 数字图像处理基本算法实现(3)--section3.5-6空间滤波处理
- 数字图像处理——灰度变换与空间滤波(使用MFC)
- 【数字图像处理】[4]--空间平滑滤波
- 数字图像处理-空间域处理-空间滤波-平滑空间滤波器
- 数字图像处理-空间域增强(四)(空间域滤波)
- [数字图像处理]空间滤波
- 数字图像处理 RGB与HIS彩色空间分割
- Win8Metro(C#)数字图像处理--2.9图像均值滤波
- 数字图像和视频处理的基础-第5周中值滤波PSNR练习题
- Win8 Metro(C#)数字图像处理--2.51图像统计滤波算法
- 数字图像处理中的高通滤波和低通滤波
- OpenCV-跟我学一起学数字图像处理之中值滤波
- python数字图像处理(10):图像简单滤波
- 系统学习数字图像处理之频域滤波
- 数字图像处理-空间域处理-直方图均衡化
- 数字图像处理 颜色空间RGB、HSI、CMYK、YUV的相互转换
- 数字图像处理学习笔记--图像空间域增强
- 【图像处理】从图像空间域滤波到频域滤波