【OpenCV 例程200篇】67. 空间域图像增强的综合应用

欢迎关注 『OpenCV 例程200篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

5. 空间域图像增强技术的综合应用

空间域图像增强的方法很多，各有不同的特点和作用。对于一幅具体图像，往往要根据图像的实际情况，综合使用几种图像增强的方法，以便达到较为理想的结果。

本节以人体骨骼扫描图像（来自G.E.MedicalSystem）为例，要求对图像进行锐化以显示更多的骨骼细节。原始图像的灰度级比较狭窄，噪声含量大，简单使用一种图像增强方法难以达到理想的结果，需要综合应用空间域图像增强技术：首先使用拉普拉斯变换突出细节，然后使用梯度算子增强突出的边缘，再使用低通滤波器降低噪声，以此为模板得到需要的锐化图像，最后用伽马校正调整灰度级的动态范围。具体步骤如下：

（1）拉普拉斯变换，突出原始图像的细节；
（2）原始图像叠加拉普拉斯变换图像，恢复背景特征；
（3）Sobel 梯度算子，增强突出的边缘；
（4）用盒式滤波器平滑梯度图像；
（5）拉普拉斯与平滑梯度相乘得到掩蔽模板；
（6）原始图像与掩蔽模板叠加，得到锐化图像；
（7）Gamma 变换，增大灰度级的动态范围。

例程 1.82 空间域图像增强技术的综合应用

    # 1.82 空间域图像增强技术的综合应用# 原始图像，人体骨骼扫描图像img = cv2.imread("../images/bonescan.tif", flags=0)  # 人体骨骼扫描图像# 图 2：拉普拉斯变换，突出细节kernLaplace = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]], np.int8)  # Laplacian kernel# kernLaplaceD = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]], np.int8)  # Diagonal Laplacian kernelLaplacian = cv2.filter2D(img, ddepth=-1, kernel=kernLaplace)imgLaplacian = np.uint8(cv2.normalize(Laplacian, None, 0, 255, cv2.NORM_MINMAX))# 图 3：原始图像 + 拉普拉斯变换，恢复背景特征AddLap = img + imgLaplacianimgAddLap = np.uint8(cv2.normalize(AddLap, None, 0, 255, cv2.NORM_MINMAX))# 图 4：Sobel 梯度算子，增强突出的边缘SobelX = cv2.Sobel(img, cv2.CV_16S, 1, 0)  # 计算 x 轴方向SobelY = cv2.Sobel(img, cv2.CV_16S, 0, 1)  # 计算 y 轴方向absX = cv2.convertScaleAbs(SobelX)  # 转回 uint8absY = cv2.convertScaleAbs(SobelY)  # 转回 uint8SobelXY = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)  # 用绝对值近似平方根imgSobel = np.uint8(cv2.normalize(SobelXY, None, 0, 255, cv2.NORM_MINMAX))# 图 5：用 (5,5) 盒式滤波器平滑梯度图像kernelBox = np.ones(5, np.float32) / (5 * 5)  # 生成归一化盒式核SobelBox = cv2.filter2D(img, -1, kernelBox)  # cv2.filter2D 方法imgSobelBox = cv2.normalize(SobelBox, None, 0, 255, cv2.NORM_MINMAX)# 图 6：图2 与 图5 相乘得到模板 mask，突出了强边缘，相对较低了噪声mask = imgLaplacian * imgSobelBoximgMask = np.uint8(cv2.normalize(mask, None, 0, 255, cv2.NORM_MINMAX))# 图7：原始图像与图 6 相加，得到锐化图像，大部分细节更清晰passivation = img + imgMask * 0.3imgPassi = np.uint8(cv2.normalize(passivation, None, 0, 255, cv2.NORM_MINMAX))# 图8: 幂律变换(Gamma 变换)，增大灰度级的动态范围epsilon = 1e-5  # 非常小的值以防出现除0的情况# Gamma = np.zeros_like(imgPassi, dtype=np.float)Gamma = np.power(imgPassi + epsilon, 0.5)imgGamma = np.uint8(cv2.normalize(Gamma, None, 0, 255, cv2.NORM_MINMAX))# 绘图plt.figure(figsize=(10, 7))titleList = ["1. Original", "2. Laplacian", "3. Original + Laplacian", "4. Sobel","5. Sobel Box5", "6. Sobel mask", "7. Passivation", "8. Gamma correction"]imageList = [img, imgLaplacian, imgAddLap, imgSobel, imgSobelBox, imgMask, imgPassi, imgGamma]for i in range(8):plt.subplot(2,4,i+1), plt.title(titleList[i]), plt.axis('off')plt.imshow(imageList[i], 'gray', vmin=0, vmax=255)plt.tight_layout()plt.show() 

---

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接

Copyright 2021 youcans, XUPT

Crated：2022-1-12

欢迎关注 『OpenCV 例程200篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

【OpenCV 例程200篇】01. 图像的读取（cv2.imread）
【OpenCV 例程200篇】02. 图像的保存（cv2.imwrite）
【OpenCV 例程200篇】03. 图像的显示（cv2.imshow）
【OpenCV 例程200篇】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 例程200篇】05. 图像的属性（np.shape）
【OpenCV 例程200篇】06. 像素的编辑（img.itemset）
【OpenCV 例程200篇】07. 图像的创建（np.zeros）
【OpenCV 例程200篇】08. 图像的复制（np.copy）
【OpenCV 例程200篇】09. 图像的裁剪（cv2.selectROI）
【OpenCV 例程200篇】10. 图像的拼接（np.hstack）
【OpenCV 例程200篇】11. 图像通道的拆分（cv2.split）
【OpenCV 例程200篇】12. 图像通道的合并（cv2.merge）
【OpenCV 例程200篇】13. 图像的加法运算（cv2.add）
【OpenCV 例程200篇】14. 图像与标量相加（cv2.add）
【OpenCV 例程200篇】15. 图像的加权加法（cv2.addWeight）
【OpenCV 例程200篇】16. 不同尺寸的图像加法
【OpenCV 例程200篇】17. 两张图像的渐变切换
【OpenCV 例程200篇】18. 图像的掩模加法
【OpenCV 例程200篇】19. 图像的圆形遮罩
【OpenCV 例程200篇】20. 图像的按位运算
【OpenCV 例程200篇】21. 图像的叠加
【OpenCV 例程200篇】22. 图像添加非中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】24. 图像的仿射变换
【OpenCV 例程200篇】25. 图像的平移
【OpenCV 例程200篇】26. 图像的旋转（以原点为中心）
【OpenCV 例程200篇】27. 图像的旋转（以任意点为中心）
【OpenCV 例程200篇】28. 图像的旋转（直角旋转）
【OpenCV 例程200篇】29. 图像的翻转（cv2.flip）
【OpenCV 例程200篇】30. 图像的缩放（cv2.resize）
【OpenCV 例程200篇】31. 图像金字塔（cv2.pyrDown）
【OpenCV 例程200篇】32. 图像的扭变（错切）
【OpenCV 例程200篇】33. 图像的复合变换
【OpenCV 例程200篇】34. 图像的投影变换
【OpenCV 例程200篇】35. 图像的投影变换（边界填充）
【OpenCV 例程200篇】36. 直角坐标与极坐标的转换
【OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理
【OpenCV 例程200篇】38. 图像的反色变换（图像反转）
【OpenCV 例程200篇】39. 图像灰度的线性变换
【OpenCV 例程200篇】40. 图像分段线性灰度变换
【OpenCV 例程200篇】41. 图像的灰度变换（灰度级分层）
【OpenCV 例程200篇】42. 图像的灰度变换（比特平面分层）
【OpenCV 例程200篇】43. 图像的灰度变换（对数变换）
【OpenCV 例程200篇】44. 图像的灰度变换（伽马变换）
【OpenCV 例程200篇】45. 图像的灰度直方图
【OpenCV 例程200篇】46. 直方图均衡化
【OpenCV 例程200篇】47. 图像增强—直方图匹配
【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配
【OpenCV 例程200篇】49. 图像增强—局部直方图处理
【OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强
【OpenCV 例程200篇】51. 图像增强—直方图反向追踪
【OpenCV 例程200篇】52. 图像的相关与卷积运算
【OpenCV 例程200篇】53. Scipy 实现图像二维卷积
【OpenCV 例程200篇】54. OpenCV 实现图像二维卷积
【OpenCV 例程200篇】55. 可分离卷积核
【OpenCV 例程200篇】56. 低通盒式滤波器
【OpenCV 例程200篇】57. 低通高斯滤波器
【OpenCV 例程200篇】58. 非线性滤波—中值滤波
【OpenCV 例程200篇】59. 非线性滤波—双边滤波
【OpenCV 例程200篇】60. 非线性滤波—联合双边滤波
【OpenCV 例程200篇】61. 导向滤波（Guided filter）
【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽
【OpenCV 例程200篇】63. 图像锐化——Laplacian 算子
【OpenCV 例程200篇】64. 图像锐化——Sobel 算子
【OpenCV 例程200篇】65. 图像锐化——Scharr 算子
【OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通
【OpenCV 例程200篇】67. 空间域图像增强的综合应用
【OpenCV 例程200篇】68. 空间域图像增强的综合应用
【OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数
【OpenCV 例程200篇】70. 一维连续函数的傅里叶变换
【OpenCV 例程200篇】71. 连续函数的取样
【OpenCV 例程200篇】72. 一维离散傅里叶变换
【OpenCV 例程200篇】73. 二维连续傅里叶变换
【OpenCV 例程200篇】74. 图像的抗混叠
【OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换
【OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换
【OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换
【OpenCV 例程200篇】78. 频率域图像滤波基础
【OpenCV 例程200篇】79. 频率域图像滤波的基本步骤
【OpenCV 例程200篇】80. 频率域图像滤波详细步骤
【OpenCV 例程200篇】81. 频率域高斯低通滤波器
【OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器
【OpenCV 例程200篇】83. 频率域低通滤波：印刷文本字符修复
【OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器
【OpenCV 例程200篇】85. 频率域高通滤波器的应用
【OpenCV 例程200篇】86. 频率域滤波应用：指纹图像处理
【OpenCV 例程200篇】87. 频率域钝化掩蔽
【OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波
【OpenCV 例程200篇】89. 带阻滤波器的传递函数
【OpenCV 例程200篇】90. 频率域陷波滤波器
【OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声
【OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声
【OpenCV 例程200篇】93. 噪声模型的直方图
【OpenCV 例程200篇】94. 算术平均滤波器
【OpenCV 例程200篇】95. 几何均值滤波器
【OpenCV 例程200篇】96. 谐波平均滤波器
【OpenCV 例程200篇】97. 反谐波平均滤波器
【OpenCV 例程200篇】98. 统计排序滤波器
【OpenCV 例程200篇】99. 修正阿尔法均值滤波器
【OpenCV 例程200篇】100. 自适应局部降噪滤波器