目錄

• 銳化（高通）空間濾波器
• • • 鈍化掩蔽和高提升濾波

銳化（高通）空間濾波器

• 平滑通過稱為低通濾波
• 類似于積分運(yùn)算
• 銳化通常稱為高通濾波
• 微分運(yùn)算
• 高過（負(fù)責(zé)細(xì)節(jié)的）高頻，衰減或抑制低頻

鈍化掩蔽和高提升濾波

• 鈍化掩蔽

• 從原圖像中減去一幅鈍化（平滑后的）圖像

• 步驟：

模糊原圖像

從原圖像減去模糊后的圖像（產(chǎn)生的差稱為模板）

將模板與原圖像相加

令$\bar{f}(x,y)$表示模糊后的圖像，則有
$$g_{mask}(x,y)=f(x,y)?\bar{f}(x,y)\text{\hspace{1em}(3.55)}$$
$$g(x,y)=f(x,y)+k{g}_{mask}(x,y)\text{\hspace{1em}(3.56)}$$
權(quán)值$k\ge 0$，$k=1$時(shí)，它是鈍化掩蔽，$k>1$時(shí)，這個(gè)過程稱為高提升濾波，選擇$k\le 1$可以減少鈍化模板的貢獻(xiàn)。

# 鈍化掩蔽過程 y = np.linspace(0.4,1, 7) y = np.pad(y, (4, 4), mode='constant', constant_values=[0.4, 1])fig = plt.figure(figsize=(16, 8)) ax_1 = fig.add_subplot(2, 2, 1) ax_1.plot(y, '-', label="y") ax_1.legend(loc='best', fontsize=12)kernel = np.array([0.2, 0.6, 0.2]) y_bar = np.convolve(y, kernel, 'same')y_bar = y_bar[1:-1] ax_2 = fig.add_subplot(2, 2, 2) ax_2.plot(y_bar, '-', label='Smooth') ax_2.legend(loc='best', fontsize=12)y = y[1:-1] y_mask = y - y_barax_3 = fig.add_subplot(2, 2, 3) ax_3.plot(y_mask, '-', label='y - y_bar') ax_3.legend(loc='best', fontsize=12)y_dst = y + y_mask y_dst = normalize(y_dst) ax_4 = fig.add_subplot(2, 2, 4) ax_4.plot(y_dst, '-', label='y + y_mask') ax_4.legend(loc='best', fontsize=12)plt.tight_layout() plt.show()

# 純化掩蔽與高提升濾波 img_ori = cv2.imread("DIP_Figures/DIP3E_Original_Images_CH03/Fig0338(a)(blurry_moon).tif", 0)kernel_31 = gauss_kernel((9, 9), sigma=1) img_31 = separate_kernel_conv2D(img_ori, kernel=kernel_31) img_31 = np.uint8(normalize(img_31) * 255)img_diff = img_ori - img_31img_dst_1 = img_ori + img_diff img_dst_1 = np.uint8(normalize(img_dst_1) * 255)img_dst_2 = img_ori + 2 * img_diff img_dst_2 = np.uint8(normalize(img_dst_2) * 255)img_dst_3 = img_ori - 3 * img_diff img_dst_3 = np.uint8(normalize(img_dst_3) * 255)plt.figure(figsize=(15, 12)) plt.subplot(2,3,1), plt.imshow(img_ori, 'gray', vmax=255), plt.title("Original"), plt.xticks([]), plt.yticks([]) plt.subplot(2,3,2), plt.imshow(img_31, 'gray', vmax=255), plt.title("Smooth"), plt.xticks([]), plt.yticks([]) plt.subplot(2,3,3), plt.imshow(img_diff, 'gray', vmax=255), plt.title("Diff"), plt.xticks([]), plt.yticks([]) plt.subplot(2,3,4), plt.imshow(img_dst_1, 'gray', vmax=255), plt.title("k = 1"), plt.xticks([]), plt.yticks([]) plt.subplot(2,3,5), plt.imshow(img_dst_2, 'gray', vmax=255), plt.title("k = 2"), plt.xticks([]), plt.yticks([]) plt.subplot(2,3,6), plt.imshow(img_dst_2, 'gray', vmax=255), plt.title("k = 3"), plt.xticks([]), plt.yticks([]) plt.tight_layout() plt.show()

總結(jié)

以上是生活随笔為你收集整理的第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波16 - 锐化高通滤波器 - 钝化掩蔽和高提升滤波的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。