数字图像处理的python实践(13)——频域高通高斯滤波和拉普拉斯滤波

数字图像处理的python实践(13)——频域⾼通⾼斯滤波和拉
普拉斯滤波
图像的锐化可以通过衰减图像频谱中的低频成分来实现,这建⽴起了空间域图像锐化和频率域⾼通滤波之间的对应关系。我们想要实现和上⼀章中⾼斯低通滤波相反的效果,即⾼斯⾼通滤波,实现的⽅法和上⼀章的代码基本⼀致,就是滤波函数有所不同,形式为
实现的代码如下,图像还是那熟悉的动漫⼥头,处理后边缘显得很清晰很突出,⽽除了边缘外其他的区域的颜⾊都是浅⾊。当sigma的数值越⼤,边缘提取得越精确,但是有可能出现不完整的边缘信息,即边缘不连续,所以也不适合取值过⼤。
import cv2
import numpy as np
def GaussianHighFrequencyFilter(src, dst, sigma = 1):
im = cv2.imread(src, 0)
imarr = np.array(im)
height, width = imarr.shape
fft = np.fft.fft2(imarr)
fft = np.fft.fftshift(fft)
for i in range(height):
for j in range(height):
fft[i, j] *= (1 - np.exp(-((i - (height - 1)/2)**2 + (j - (width - 1)/2)**2)/2/sigma**2))
fft = np.fft.ifftshift(fft)
ifft = np.fft.ifft2(fft)
ifft = np.real(ifft)
max = np.max(ifft)
min = np.min(ifft)
res = np.zeros((height, width), dtype = "uint8")
for i in range(height):
for j in range(width):
res[i, j] = 255 * (ifft[i, j] - min)/(max - min)
cv2.imwrite(dst, res)
gray_girl = "C:/Users/60214/Desktop/python_work/DigitalExecution/gray_girl.jpg"
gaussian_girl = "C:/Users/60214/Desktop/python_work/DigitalExecution/gaussian_girl.jpg"
GaussianHighFrequencyFilter(gray_girl, gaussian_girl, 20)
台湾汉唐乐府
接下来是频域的拉普拉斯滤波。其推导可以从⼀维开始,根据傅⾥叶变换的性质:
因此拉普拉斯算⼦的傅⾥叶变换计算如下
因此有下式成⽴
不公平的游戏所以频域的拉普拉斯滤波器为
根据频域图像频域原点平移的规律,将上式写为(M和N分别好似图像的宽和⾼)
实现的代码如下。
import cv2
import numpy as np
def LaplacianFrequencyFilter(src, dst):
im = cv2.imread(src, 0)
imarr = np.array(im)
height, width = imarr.shape
fft = np.fft.fft2(imarr)
fft = np.fft.fftshift(fft)
for i in range(height):
for j in range(height):
跟腱撕裂fft[i, j] *= -((i - (height - 1)/2)**2 + (j - (width - 1)/2)**2)
fft = np.fft.ifftshift(fft)
ifft = np.fft.ifft2(fft)
ifft = np.real(ifft)
max = np.max(ifft)
楚盛家具min = np.min(ifft)
百日维新
res = np.zeros((height, width), dtype = "uint8")
大学生的特点
for i in range(height):
for j in range(width):
res[i, j] = 255 * (ifft[i, j] - min)/(max - min)
cv2.imwrite(dst, res)

本文发布于:2024-09-21 13:48:44,感谢您对本站的认可!

本文链接:https://www.17tex.com/xueshu/66525.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:边缘   图像   频域
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议