OpenCV非锐化掩蔽和高提升滤波

本文介绍了非锐化掩蔽和高提升滤波两种图像锐化技术,主要应用于印刷和出版界。通过模糊原图像、计算差值模板并加权叠加回原图像,实现图像细节增强。示例代码展示了如何使用OpenCV库进行这两种处理,最终结果显示经过处理的图像(dst)对比原图像(src)更清晰。
摘要由CSDN通过智能技术生成

非锐化掩蔽和高提升滤波

在印刷和出版界使用多年的图像锐化处理过程是从原图像中减去一幅非锐化(平滑过的)版本。这个称为非锐化掩蔽的处理过程由下列步骤组成:

1、模糊原图像

2、从原图像中减去模糊图像(产生的差值图像称为模板)

3、将模板加到原图像上。

另F(x,y)表示模糊图像,非锐化掩蔽以公式形式描述如下。首先我们要先得到模板:

gmask(x,y)=f(x,y) - F(x,y)

然后在原图像上加上该模板的一个权重部分:

g(x,y)= f(x,y) + k* gmask(x,y)

通常,我们会在上式中包含一个权重系数k(k>=0)。当k=1时,我们得到上面定义的非锐化掩蔽。当k>1时,该处理称为高提升滤波。当k<1时,则不强调非锐化模板的贡献。
 

代码:

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>

using namespace cv;

int main( int argc, char** argv )
{

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
OpenCV中提供了多种滤波和低通滤波的函数,下面分别介绍其中的几种。 1. 滤波(低通滤波滤波是一种常用的低通滤波器,可以通过对信号进行平滑处理来去除频噪声,保留信号中的低频信息。在OpenCV中,可以使用`cv2.GaussianBlur`函数实现滤波。 ```python blurred = cv2.GaussianBlur(image, (ksize, ksize), sigmaX) ``` 其中,`image`为输入图像,`ksize`为滤波器的大小,`sigmaX`为斯核的标准差。 2. 拉普拉斯滤波滤波) 拉普拉斯滤波是一种常用的滤波器,可以通过增强信号的频成分来增强图像的边缘信息。在OpenCV中,可以使用`cv2.Laplacian`函数实现拉普拉斯滤波。 ```python laplacian = cv2.Laplacian(image, cv2.CV_32F, ksize) ``` 其中,`image`为输入图像,`cv2.CV_32F`表示输出图像的数据类型为32位浮点数,`ksize`为滤波器的大小。 3. Sobel滤波滤波) Sobel滤波也是一种常用的滤波器,它可以通过检测图像中的边缘来增强图像的频成分。在OpenCV中,可以使用`cv2.Sobel`函数实现Sobel滤波。 ```python sobelx = cv2.Sobel(image, cv2.CV_32F, 1, 0, ksize) sobely = cv2.Sobel(image, cv2.CV_32F, 0, 1, ksize) ``` 其中,`image`为输入图像,`cv2.CV_32F`表示输出图像的数据类型为32位浮点数,`1`和`0`表示对x和y方向进行滤波,`ksize`为滤波器的大小。 总的来说,OpenCV提供了多种滤波和低通滤波的函数,具体使用哪种滤波器取决于信号的特性和需要的处理效果。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Dwyane05

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值