【OpenCV 例程200篇】62. 圖像銳化——鈍化掩蔽

歡迎關注 『OpenCV 例程200篇』 系列，持續更新中
歡迎關注 『Python小白的OpenCV學習課』 系列，持續更新中

3. 空間域銳化濾波（高通濾波）

圖像模糊通過平滑（加權平均）來實現，類似于積分運算。圖像銳化則通過微分運算（有限差分）實現，使用一階微分或二階微分都可以得到圖像灰度的變化值。

圖像銳化的目的是增強圖像的灰度跳變部分，使模糊的圖像變得清晰。圖像銳化也稱為高通濾波，通過和增強高頻，衰減和抑制低頻。圖像銳化常用于電子印刷、醫學成像和工業檢測。

• 恒定灰度區域，一階導數為零，二階導數為零；
• 灰度臺階或斜坡起點區域，一階導數非零，，二階導數非零；
• 灰度斜坡區域，一階導數非零，二階導數為零。

3.2 鈍化掩蔽

簡單地，從原始圖像中減去一幅平滑處理的鈍化圖像，也可以實現圖像銳化效果，稱為鈍化掩蔽。

令 $\tilde{f}(x,y)$ 表示平滑圖像，則：

$$\begin{gathered} g_{mask}(x,y)=f(x,y)?\tilde{f}(x,y) \\ g(x,y)=f(x,y)+k?g_{mask}(x,y)，k>0 \end{gathered}$$

當 k>1 時，實現高提升濾波；當 k=1 時，實現鈍化掩蔽；k<1時，減弱鈍化掩蔽。

因此，鈍化掩蔽的實現過程是：

（1）對原始圖像進行平滑處理，得到平滑圖像；

（2）從原始圖像中減去平滑圖像，產生掩蔽模板；

（3）將原始圖像與掩蔽模板加權相加，得到鈍化掩蔽。

原圖減去模糊圖的結果為模板，輸出圖像等于原圖加上加權后的模板，當權重為1得到非銳化掩蔽，當權重大于1成為高提升濾波。

鈍化掩蔽沒有直接計算和使用梯度算子，但減法運算具有微分運算的特征，因此本質上是梯度算法，可以實現銳化濾波的效果。

例程 1.77：圖像銳化: 鈍化掩蔽

# 1.77：圖像銳化: 鈍化掩蔽img = cv2.imread("../images/Fig0338a.tif", flags=0)# 對原始圖像進行平滑，GaussianBlur(img, size, sigmaX)imgGauss = cv2.GaussianBlur(img, (5,5), sigmaX=5)imgGaussNorm = cv2.normalize(imgGauss,dst=None,alpha=0,beta=255,norm_type=cv2.NORM_MINMAX)# 掩蔽模板：從原始圖像中減去平滑圖像imgMask = img - imgGaussNormpassivation1 = img + 0.6 * imgMask # k<1 減弱鈍化掩蔽imgPas1 = cv2.normalize(passivation1, None, 0, 255, cv2.NORM_MINMAX)passivation2 = img + imgMask # k=1 鈍化掩蔽imgPas2 = cv2.normalize(passivation2, None, 0, 255, cv2.NORM_MINMAX)passivation3 = img + 2 * imgMask # k>1 高提升濾波imgPas3 = cv2.normalize(passivation3, None, 0, 255, cv2.NORM_MINMAX)plt.figure(figsize=(10, 7))titleList = ["1. Original", "2. GaussSmooth", "3. MaskTemplate","4. Passivation(k=0.5)", "5. Passivation(k=1.0)", "6. Passivation(k=2.0)"]imageList = [img, imgGauss, imgMask, imgPas1, imgPas2, imgPas3]for i in range(6):plt.subplot(2,3,i+1), plt.title(titleList[i]), plt.axis('off')plt.imshow(imageList[i], 'gray', vmin=0, vmax=255)plt.tight_layout()plt.show()

鈍化掩蔽的圖像銳化效果如下圖所示，注意當 k>1 時，實現高提升濾波；當 k=1 時，實現鈍化掩蔽；而當 k<1時則會減弱鈍化掩蔽。

（本節完）

---

版權聲明：

youcans@xupt 原創作品，轉載必須標注原文鏈接

Copyright 2021 youcans, XUPT

Crated：2021-11-29

歡迎關注 『OpenCV 例程200篇』 系列，持續更新中
歡迎關注 『Python小白的OpenCV學習課』 系列，持續更新中

【OpenCV 例程200篇】01. 圖像的讀取（cv2.imread）
【OpenCV 例程200篇】02. 圖像的保存（cv2.imwrite）
【OpenCV 例程200篇】03. 圖像的顯示（cv2.imshow）
【OpenCV 例程200篇】04. 用 matplotlib 顯示圖像（plt.imshow）
【OpenCV 例程200篇】05. 圖像的屬性（np.shape）
【OpenCV 例程200篇】06. 像素的編輯（img.itemset）
【OpenCV 例程200篇】07. 圖像的創建（np.zeros）
【OpenCV 例程200篇】08. 圖像的復制（np.copy）
【OpenCV 例程200篇】09. 圖像的裁剪（cv2.selectROI）
【OpenCV 例程200篇】10. 圖像的拼接（np.hstack）
【OpenCV 例程200篇】11. 圖像通道的拆分（cv2.split）
【OpenCV 例程200篇】12. 圖像通道的合并（cv2.merge）
【OpenCV 例程200篇】13. 圖像的加法運算（cv2.add）
【OpenCV 例程200篇】14. 圖像與標量相加（cv2.add）
【OpenCV 例程200篇】15. 圖像的加權加法（cv2.addWeight）
【OpenCV 例程200篇】16. 不同尺寸的圖像加法
【OpenCV 例程200篇】17. 兩張圖像的漸變切換
【OpenCV 例程200篇】18. 圖像的掩模加法
【OpenCV 例程200篇】19. 圖像的圓形遮罩
【OpenCV 例程200篇】20. 圖像的按位運算
【OpenCV 例程200篇】21. 圖像的疊加
【OpenCV 例程200篇】22. 圖像添加非中文文字
【OpenCV 例程200篇】23. 圖像添加中文文字
【OpenCV 例程200篇】23. 圖像添加中文文字
【OpenCV 例程200篇】24. 圖像的仿射變換
【OpenCV 例程200篇】25. 圖像的平移
【OpenCV 例程200篇】26. 圖像的旋轉（以原點為中心）
【OpenCV 例程200篇】27. 圖像的旋轉（以任意點為中心）
【OpenCV 例程200篇】28. 圖像的旋轉（直角旋轉）
【OpenCV 例程200篇】29. 圖像的翻轉（cv2.flip）
【OpenCV 例程200篇】30. 圖像的縮放（cv2.resize）
【OpenCV 例程200篇】31. 圖像金字塔（cv2.pyrDown）
【OpenCV 例程200篇】32. 圖像的扭變（錯切）
【OpenCV 例程200篇】33. 圖像的復合變換
【OpenCV 例程200篇】34. 圖像的投影變換
【OpenCV 例程200篇】35. 圖像的投影變換（邊界填充）
【OpenCV 例程200篇】36. 直角坐標與極坐標的轉換
【OpenCV 例程200篇】37. 圖像的灰度化處理和二值化處理
【OpenCV 例程200篇】38. 圖像的反色變換（圖像反轉）
【OpenCV 例程200篇】39. 圖像灰度的線性變換
【OpenCV 例程200篇】40. 圖像分段線性灰度變換
【OpenCV 例程200篇】41. 圖像的灰度變換（灰度級分層）
【OpenCV 例程200篇】42. 圖像的灰度變換（比特平面分層）
【OpenCV 例程200篇】43. 圖像的灰度變換（對數變換）
【OpenCV 例程200篇】44. 圖像的灰度變換（伽馬變換）
【OpenCV 例程200篇】45. 圖像的灰度直方圖
【OpenCV 例程200篇】46. 直方圖均衡化
【OpenCV 例程200篇】47. 圖像增強—直方圖匹配
【OpenCV 例程200篇】48. 圖像增強—彩色直方圖匹配
【OpenCV 例程200篇】49. 圖像增強—局部直方圖處理
【OpenCV 例程200篇】50. 圖像增強—直方圖統計量圖像增強
【OpenCV 例程200篇】51. 圖像增強—直方圖反向追蹤
【OpenCV 例程200篇】52. 圖像的相關與卷積運算
【OpenCV 例程200篇】53. Scipy 實現圖像二維卷積
【OpenCV 例程200篇】54. OpenCV 實現圖像二維卷積
【OpenCV 例程200篇】55. 可分離卷積核
【OpenCV 例程200篇】56. 低通盒式濾波器
【OpenCV 例程200篇】57. 低通高斯濾波器
【OpenCV 例程200篇】58. 非線性濾波—中值濾波
【OpenCV 例程200篇】59. 非線性濾波—雙邊濾波
【OpenCV 例程200篇】60. 非線性濾波—聯合雙邊濾波
【OpenCV 例程200篇】61. 導向濾波（Guided filter）
【OpenCV 例程200篇】62. 圖像銳化——鈍化掩蔽
【OpenCV 例程200篇】63. 圖像銳化——Laplacian 算子
【OpenCV 例程200篇】64. 圖像銳化——Sobel 算子
【OpenCV 例程200篇】65. 圖像銳化——Scharr 算子
【OpenCV 例程200篇】66. 圖像濾波之低通/高通/帶阻/帶通
【OpenCV 例程200篇】67. 空間域圖像增強的綜合應用
【OpenCV 例程200篇】68. 空間域圖像增強的綜合應用
【OpenCV 例程200篇】69. 連續非周期信號的傅立葉系數
【OpenCV 例程200篇】70. 一維連續函數的傅里葉變換
【OpenCV 例程200篇】71. 連續函數的取樣
【OpenCV 例程200篇】72. 一維離散傅里葉變換
【OpenCV 例程200篇】73. 二維連續傅里葉變換
【OpenCV 例程200篇】74. 圖像的抗混疊
【OpenCV 例程200篇】75. Numpy 實現圖像傅里葉變換
【OpenCV 例程200篇】76. OpenCV 實現圖像傅里葉變換
【OpenCV 例程200篇】77. OpenCV 實現快速傅里葉變換
【OpenCV 例程200篇】78. 頻率域圖像濾波基礎
【OpenCV 例程200篇】79. 頻率域圖像濾波的基本步驟
【OpenCV 例程200篇】80. 頻率域圖像濾波詳細步驟
【OpenCV 例程200篇】81. 頻率域高斯低通濾波器
【OpenCV 例程200篇】82. 頻率域巴特沃斯低通濾波器
【OpenCV 例程200篇】83. 頻率域低通濾波：印刷文本字符修復
【OpenCV 例程200篇】84. 由低通濾波器得到高通濾波器
【OpenCV 例程200篇】85. 頻率域高通濾波器的應用
【OpenCV 例程200篇】86. 頻率域濾波應用：指紋圖像處理
【OpenCV 例程200篇】87. 頻率域鈍化掩蔽
【OpenCV 例程200篇】88. 頻率域拉普拉斯高通濾波
【OpenCV 例程200篇】89. 帶阻濾波器的傳遞函數
【OpenCV 例程200篇】90. 頻率域陷波濾波器
【OpenCV 例程200篇】91. 高斯噪聲、瑞利噪聲、愛爾蘭噪聲
【OpenCV 例程200篇】92. 指數噪聲、均勻噪聲、椒鹽噪聲
【OpenCV 例程200篇】93. 噪聲模型的直方圖
【OpenCV 例程200篇】94. 算術平均濾波器
【OpenCV 例程200篇】95. 幾何均值濾波器
【OpenCV 例程200篇】96. 諧波平均濾波器
【OpenCV 例程200篇】97. 反諧波平均濾波器
【OpenCV 例程200篇】98. 統計排序濾波器
【OpenCV 例程200篇】99. 修正阿爾法均值濾波器
【OpenCV 例程200篇】100. 自適應局部降噪濾波器

總結

以上是生活随笔為你收集整理的【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。