Python图像处理【15】基于非锐化掩码锐化图像

基于非锐化掩码锐化图像

    • 0. 前言
    • 1. 使用 scikit-image filters 模块执行非锐化掩码
    • 2. 使用 PIL ImageFilter 模块执行非锐化掩码
    • 3. 使用 SimpleITK 执行拉普拉斯锐化
    • 4. 使用 OpenCV 实现非锐化掩码
    • 小结
    • 系列链接

0. 前言

非锐化滤波器是一个简单的锐化算子,通过从原始图像中减去图像的平滑(非锐化)版本来增强边缘(以及图像中的其他高频分量),锐化的目的是突出图像中的细节或增强模糊的细节。在本节中,我们将学习如何利用 SimpleITKOpenCV 库函数使用非锐化掩码锐化图像。可以使用以下公式表示非锐化掩码的基本概念:

g ( x , y ) = f ( x , y ) − f s m o o t h ( x , y ) f s h a r p ( x , y ) = f ( x , y ) + k ∗ g ( x , y ) g(x,y)=f(x,y)-f_{smooth}(x,y) \\ f_{sharp}(x,y)=f(x,y)+k*g(x,y) g(x,y)=f(x,y)fsmooth(x,y)fsharp(x,y)=f(x,y)+kg(x,y)

1. 使用 scikit-image filters 模块执行非锐化掩码

scikit-image 库的 filters 模块提供了 unsharp_mask() 函数用于执行非锐化掩码,该函数接受参数半径 radius 和数量 amount,边缘边界变暗和变亮的程度由参数 amount 控制,参数 radius 是指平滑核的半径。

(1) 首先导入所需的模块和函数:

import numpy as np
import matplotlib.pylab as plt
from skimage.io import imread
from skimage.filters import unsharp_mask

(2) 使用 unsharp_mask() 函数,并使用不同的参数值调用该函数,以查看当滤波器应用于输入图像时,对输出锐化图像的影响:

im = imread('1.png')
im1 = unsharp_mask(im, radius=1, amount=1)
im2 = unsharp_mask(im, radius=5, amount=2)
im3 = unsharp_mask(im, radius=20, amount=3)

(3) 下图显示了执行以上代码带到输出图像,可以看出,参数半径 radius 和数量 amount 值增加得越大,图像变得越清晰:

fig, axes = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True, figsize=(20, 12))
axes = axes.ravel()
axes[0].set_title('Original image', size=10), axes[0].imshow(im)
axes[1].set_title('Enhanced image, radius=1, amount=1.0', size=10), axes[1].imshow(im1)
axes[2].set_title('Enhanced image, radius=5, amount=2.0', size=10), axes[2].imshow(im2)
axes[3].set_title('Enhanced image, radius=20, amount=3.0', size=10), axes[3].imshow(im3)
for ax in axes:ax.axis('off')
fig.tight_layout()
plt.show()

锐化效果

2. 使用 PIL ImageFilter 模块执行非锐化掩码

PIL.ImageFilter 模块的 unsharpmask() 函数可用于在图像上应用非锐化掩码。在函数中,要增强的边缘的大小受到函数半径 radius 参数的影响,较小的半径可增强小尺度(细)细节,较大的半径值可能会在边缘产生光晕(物体周围可检测到的微弱光线边缘);百分比 percent 参数表示非锐化强度。

(1) 导入所需的模块,并读取输入图像:

import numpy as np
import matplotlib.pylab as plt
from PIL import Image, ImageFilter
def plot_image(image, title=None, sz=10):plt.imshow(image)plt.title(title, size=sz)plt.axis('off')im = Image.open('1.png')

(2) 使用函数 unsharpmask() 锐化输入图像,并观察使用不同参数值对图像锐化的影响:

plt.figure(figsize=(15,16))
plt.subplot(221), plot_image(im, 'original')
im1 = im.filter(ImageFilter.UnsharpMask(radius=2, percent=150))
plt.subplot(222), plot_image(im1, 'unsharp masking, radius=2, percent=150')
im1 = im.filter(ImageFilter.UnsharpMask(radius=5, percent=200))
plt.subplot(223), plot_image(im1, 'unsharp masking, radius=5, percent=200')
im1 = im.filter(ImageFilter.UnsharpMask(radius=10, percent=250))
plt.subplot(224), plot_image(im1, 'unsharp masking, radius=10, percent=250')
plt.tight_layout()
plt.show()

执行以上代码,可以得到如下锐化输出图像:

图像锐化

3. 使用 SimpleITK 执行拉普拉斯锐化

SimpleITK 库的 UnsharpMaskimageFilter() 也可以用来锐化图像,该函数是一个边缘增强滤波器。该滤波器从图像中减去图像的平滑版本,获得边缘增强效果。可以通过参数来控制锐化效果,主要包括数量 amount、半径 sigma、阈值 threshold 以及是否将结果值限制在输出类型范围内。

(1) 导入所需的库和模块,并读取输入图像,将读取的图像的类型应指定为浮点型,因为非锐化掩码滤波器不接受 UINT8 类型的图像。

import SimpleITK as sitk
import numpy as np
import matplotlib.pylab as pltdef plot_image(image, title=None, sz=10):plt.imshow(image)plt.title(title, size=sz)plt.axis('off')
image = sitk.ReadImage('1.png', sitk.sitkFloat32)

(2) 通过调用构造函数来创建一个 UnsharpMaskImageFilter 类的对象,设置数量 amountsigma (平滑)参数,然后,在输入图像上执行非锐化滤波,获得输出图像如下:

filt = sitk.UnsharpMaskImageFilter() 
filt.SetAmount(1.5) # typically set between 1 and 2
filt.SetSigmas(0.15)
sharpened = filt.Execute(image)

(3) 使用 GetArrayFromImage() 函数将输入和输出图像转换为 numpy 数组:

np_image = sitk.GetArrayFromImage(image)
np_image = np_image / np_image.max()
np_sharpened = sitk.GetArrayFromImage(sharpened)
np_sharpened = np_sharpened / np_sharpened.max()

(4) 绘制输入和输出图像:

plt.figure(figsize=(20,10))
plt.gray()
plt.subplots_adjust(0,0,1,1,0.05,0.05)
plt.subplot(121), plot_image(np_image, 'Original Image')
plt.subplot(122), plot_image(np_sharpened, 'Sharpened Image (with UnsharpMask)')
plt.show()

拉普拉斯锐化

4. 使用 OpenCV 实现非锐化掩码

接下来,我们直接利用在本节一开始给出的定义来实现非锐化掩码。我们在本节中使用函数 Gaussianblur() 获得平滑的输入图像和函数 AddWeighted() 混合两张图像。

(1) 读取输入图像,并使用 11 x 11 高斯核平滑输入图像,在 cv2.GaussianBlur() 函数中设定参数 σ x = σ y = 10 σx=σy= 10 σx=σy=10

import SimpleITK as sitk
import numpy as np
import matplotlib.pylab as plt
import cv2def plot_image(image, title=None, sz=10):plt.imshow(image)plt.title(title, size=sz)plt.axis('off')im = cv2.imread("1.png")
im_smoothed = cv2.GaussianBlur(im, (11,11), 10, 10)

(2) 根据非锐化掩码的定义可知:

sharpened = original + k.(original − smoothed) = (1 + k).original-ksmoothed

其中,k 为常数,该方程意味着锐化等效于将原始输入和平滑输入图像分别具有权重 1+k-k 进行混合。

(3) 使用 cv2.addWeighted() 函数来获得输出图像,其中 k=3.0

im1 = cv2.addWeighted(im, 1.0 + 3.0, im_smoothed, -3.0, 0) # im1 = im + 3.0*(im - im_smoothed)

(4) 绘制输入和输出图像:

plt.figure(figsize=(20,25))
plt.subplots_adjust(0,0,1,0.95,0.05,0.05)
plt.subplot(121), plot_image(cv2.cvtColor(im, cv2.COLOR_BGR2RGB), 'Original Image')
plt.subplot(122), plot_image(cv2.cvtColor(im1, cv2.COLOR_BGR2RGB), 'Sharpened Image')
plt.show()

图像锐化

小结

图像平滑与图像锐化是两种效果相反的图像处理技术,图像平滑往往使图像中的边界、轮廓变得模糊,而图像锐化就是为了减少模糊图像中不利于图像分析的效果,使图像的边缘变的清晰。本节中,我们学习了使用多种不同图像处理库(包括 scikit-imagePIL 以及 OpenCV 等)来解决图像锐化问题。

系列链接

Python图像处理【1】图像与视频处理基础
Python图像处理【2】探索Python图像处理库
Python图像处理【3】Python图像处理库应用
Python图像处理【4】图像线性变换
Python图像处理【5】图像扭曲/逆扭曲
Python图像处理【6】通过哈希查找重复和类似的图像
Python图像处理【7】采样、卷积与离散傅里叶变换
Python图像处理【8】使用低通滤波器模糊图像
Python图像处理【9】使用高通滤波器执行边缘检测
Python图像处理【10】基于离散余弦变换的图像压缩
Python图像处理【11】利用反卷积执行图像去模糊
Python图像处理【12】基于小波变换执行图像去噪
Python图像处理【13】使用PIL执行图像降噪
Python图像处理【14】基于非线性滤波器的图像去噪

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/125930.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

https的加密流程

文章目录 一、两种加密方式二、https的加密流程2.1对称加密2.2非对称加密2.3中间人攻击问题2.4使用证书来校验客户端收到的公钥是否是服务器生成的公钥2.4.1证书的校验2.4.2证书的校验所得到的效果 一、两种加密方式 https在http的基础之上引入了加密机制(加密层)。https加密的…

Android数据对象序列化原理与应用

序列化与反序列化 序列化是将对象转换为可以存储或传输的格式的过程。在计算机科学中,对象通常是指内存中的数据结构,如数组、列表、字典等。通过序列化,可以将这些对象转换为字节流或文本格式,以便在不同的系统之间进行传输或存…

基于模型预测控制的三相逆变器仿真研究

摘 要 基于模型预测控制的三相逆变器应用广泛,比如电子设备、电力系统、工业等行业,都会运用到基于模型预测控制的三相逆变器系统或工具。更高效率和更高精度的基于模型预测控制的三相逆变器一直是研究的热点。在我们日常生活中,基于模型预测…

SQL IN 运算符

SQL IN 运算符 IN 运算符允许您在 WHERE 子句中指定多个值。 IN 运算符是多个 OR 条件的简写。 SQL IN 语法 SELECT column_name(s) FROM table_name WHERE column_name IN (value1, value2, ...); 或者 SELECT column_name(s) FROM table_name WHERE column_name IN (SELE…

docker中安装rabbitMq并配置启动

目录 1. 拉取镜像并安装(此处实例安装的是最新版)2.查看docker中已安装的镜像和版本3.启动RabbitMq4.配置管理端5.安装完成 1. 拉取镜像并安装(此处实例安装的是最新版) docker pull rabbitmq2.查看docker中已安装的镜像和版本 …

uni-app微信小程序打开第三方地图

需求 小程序中有个按钮点击以后会调用手机中第三方地图进行导航。参数 位置信息 经度 与纬度。 实现方法 uni.openLocation({latitude: Number(地址纬度),longitude: Number(地址经度),name: 地址名称,address: 地址详情,success: function (res) {console.log(打开系统位置地…

FPGA与ASIC有什么差异?二者该如何选用?

前言 对于一个数字电路的新手来说,这可能是会经常遇到的一个问题:FPGA和ASIC之间的区别是什么? 接下来本文将尝试讲解 “什么是FPGA?” 和 “什么是ASIC?”,然后讲述一些关于FPGA和ASIC的问题,例如它们之间…

【嵌入式】【GIT】如何迁移老的GIF到新的仓库时使用LFS功能并保持LOG不变

一、正常迁移流程 假设有仓库 ssh://old/buildroot-201902 需要迁移到新的仓库 ssh://old/buildroot-201902时,我们可以使用以下命令来完成: # 下载老的仓库 git clone ssh://old/buildroot-201902 # 向新的仓库上传所有的tags git push ssh://new/buildroot-201902 --tag…

Centos7下生成https自签名证书

1、安装openssl yum install openssl2、生成带密码的私有秘钥文件 openssl genrsa -des3 -out server.key 2048使用带密码的私有秘钥文件时需要输入密码,这里直接输入:123456 3、生成不带密码的私有秘钥文件 openssl rsa -in server.key -out serve…

vscode debug skills

1) VSCode 调试 C/C 代码时,如何显示动态分配的指针数组。 创建一个动态分配的一维数组: int n 10; int *array (int *)malloc(n*sizeof(int)); memset(array, 1, n*sizeof(int)); 如果直接 Debug 时查看 array 指针,并不能看到数组所有的值。 查看…

约会杭州云栖2023:为了无法计算的价值一起努力

🏆作者简介,黑夜开发者,CSDN领军人物,全栈领域优质创作者✌,CSDN博客专家,阿里云社区专家博主,2023年6月CSDN上海赛道top4。 🏆数年电商行业从业经验,历任核心研发工程师…

阿里云CTO周靖人:打造一朵AI时代最开放的云

10月31日,在2023云栖大会上,阿里云CTO周靖人表示,面向智能时代,阿里云将通过从底层算力到AI平台再到模型服务的全栈技术创新,升级云计算体系,打造一朵AI时代最开放的云。在现场,周靖人公布了云计…

1. PPT高效初始化设置

1. PPT高效初始化设置 软件安装:Office 2019 主题和颜色 颜色可以在白天与黑夜切换,护眼 切换成了黑色 撤回次数 撤回次数太少,只有20次怎么办 自动保存 有时忘记保存就突然关闭,很需要一个自动保存功能 图片压缩 图…

信息系统项目管理师教程 第四版【第10章-项目进度管理-思维导图】

信息系统项目管理师教程 第四版【第10章-项目进度管理-思维导图】 课本里章节里所有蓝色字体的思维导图

oracle创建视图 并分配用户

创建视图 create view VI_BR_SURGICAL_INFO(视图名) as select a.BRID,a.BRXM,a.HISSQDH,VISIT_ID,b.SSMC as opm_oprt_name ,b.SSDM as opm_oprt_code, a.MZFF as anst_way,a.MZYS as anstdr_code, a.SSYS as oper_dr_code ,a.OPER_BEGIN as opm_oprt_b…

Ubuntu 中添加新用户并给予 root 权限

在 Ubuntu 中添加新用户并给予 root 权限的步骤如下: 打开终端,以 root 身份登录。sudo su - 使用 adduser 命令添加新用户。 adduser username 为新用户设置密码 passwd username 将新用户添加到 sudo 组。 usermod -aG sudo username…

[计算机提升] Windows所有设置

2.2 系统 主要对桌面显示、系统通知、电源等进行设置。 2.2.1 显示 设置多个显示器 设置更改文本、应用等项目的大小 设置桌面分辨率 2.2.2 通知和操作 修改快速操作 设置通知 2.2.3 电源和睡眠 设置屏幕关闭时间 设置睡眠时间 其它电源设置 2.2.4 存储 查看本地存储情…

Apache Hive

目录​​​​​​​ 数据仓库(DW) SQL语法分类 Hive 和Hadoop之间的关系(底层是Hadoop Hive将SQL转换为MapReduce) 为什么使用Hive 使用Hadoop MapReduce直接处理数据所面临的问题 使用Hive处理数据的好处 对Hive的理解 A…

CentOS、linux安装squid搭建正向代理,window11配置正向代理

1.CentOS安装配置squid 1.1.安装 yum install -y squid1.2.修改配置文件 在配置文件添加以下2行代码 acl localnet src 0.0.0.0/0.0.0.0 # add by lishuoboy http_access allow all # add by lishuoboy1.3.启动squid systemctl restart squid2.win11…

golang的类型断言

前言:原因很简单,写的代码panic了。报错如下。为此专门看下golang的类型断言。 “[PANIC]interface conversion: interface {} is string, not float64”。 1、类型断言(assertion) 所谓“类型断言”即判断一个变量是不是某个类型的实例(简单来讲就是判…