数字图像处理-反锐化掩蔽

liwanbin

本次图像处理思路：
1、首先对原图进行盒装滤波=模糊图像（盒装滤波以后闲了再说方法和思路，这儿不是重点）
2、用原图-模糊图像=差值图像
3、原图+差值图像=锐化增强后图像
         特别说明：代码中的变量“C=1”不是一定的，大家可以根据不同的图像适当加大和减小

上代码：

[Python] 纯文本查看 复制代码

import numpy as np
from scipy import signal
from skimage import data,img_as_float,color
from  matplotlib import pyplot as plt
#定义字体
plt.rcParams['font.sans-serif']=['SimHei']
#定义灰度图像空间滤波函数
def correl2d(img,window):
    s=signal.correlate2d(img,window,mode='same',boundary='fill')
    return s
#导入图片,转为灰度图
img1=data.astronaut()
img=img_as_float(color.rgb2gray(img1))

#定义滤波模板函数
window=np.ones((5,5))/(5**2)
#生成5*5滤波结果（得到模糊图像）
img_blur=correl2d(img,window)
#原图-模糊图像=差值
img_edge=img-img_blur
#差值+原图=锐化增强
c=1
img_enhance=img+c*img_edge
#用子图显示结果
plt.subplot(221),plt.title('原图'),plt.imshow(img,cmap='gray')
plt.subplot(222),plt.title('模糊图像'),plt.imshow(img_blur,cmap='gray')
plt.subplot(223),plt.title('差值图像'),plt.imshow(img_edge,cmap='gray')
plt.subplot(224),plt.title('锐化增强图像'),plt.imshow(img_enhance,vmin=0,vmax=1,cmap='gray')
plt.show()

liwanbin

盒装滤波代码分享给大家，代码比较简单，很容易看懂

[Python] 纯文本查看 复制代码

import numpy as np
from scipy import signal #信号处理模块
from skimage import data
from matplotlib import pyplot as plt
#字体
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['font.size']=10
plt.rcParams['axes.unicode_minus']=False
# 定义二维灰度图像的空间滤波函数
def correl2d(img,window): #相关运算函数
    # 使用滤波器实现图像的空间相关
    # mode=‘same’表示输出尺寸等于输入尺寸
    # boundary=‘fill’表示滤波前，用常量值填充原始图像的边缘，默认常量值为0
    s=signal.correlate2d(img,window,mode='same',boundary='fill')
    return s.astype(np.uint8)
img=data.camera()# img为原始图像
window1=np.ones((3,3))/(3**2)# 3x3盒装滤波器
window2=np.ones((5,5))/(5**2)# 5x5盒装滤波器
window3=np.ones((9,9))/(9**2)# 9x9盒装滤波器
#生成滤波结果
new_img1=correl2d(img,window1)
new_img2=correl2d(img,window2)
new_img3=correl2d(img,window3)
#显示图像
plt.subplot(2,2,1)
plt.axis('off')
plt.imshow(img)#显示原始图像
plt.title('原图')
plt.subplot(2,2,2)
plt.axis('off')
plt.imshow(new_img1)#显示3x3滤波结果
plt.title('3x3')
plt.subplot(2,2,3)
plt.axis('off')
plt.imshow(new_img2)#显示5x5滤波结果
plt.title('5x5')
plt.subplot(2,2,4)
plt.axis('off')
plt.imshow(new_img3)#显示9x9滤波结果
plt.title('9x9')
plt.show()

bachelor66

看对比效果不错啊，不知道实际效果怎么样                                       

ouzhzh0

锐化后的效果看起来不错。这种一般给成品。

炎爝

给感谢分享！！！

wangwh

没有成品的软件可用吗？

zxh0145

高反差保留吧？

ck1001CK

有没有测试过低像素的

Bob5230

感谢分享，回去试试

liwanbin

zxh0145 发表于 2024-2-22 19:05
高反差保留吧？

叫法不一样而已

liwanbin

ck1001CK 发表于 2024-2-22 22:22
有没有测试过低像素的

低像素就改下盒装滤波的参数就行
文中我好像用的5*5的盒装滤波，