计算机视觉及图像预处理（一） 01-图像梯度处理

pythonSuperman

已于 2022-11-03 22:36:15 修改

阅读量734

点赞数 1

分类专栏：深度学习文章标签：人工智能计算机视觉算法

于 2022-11-03 21:01:34 首次发布

本文链接：https://blog.csdn.net/llf000000/article/details/127677317

版权

深度学习专栏收录该内容

55 篇文章 3 订阅

订阅专栏

图片链接

跟着峰哥学计算机视觉所有需要用到的图片-深度学习文档类资源-CSDN下载

概念

什么是梯度运算

模板运算

是梯度相关的运算

锐化

加强像素与像素之间的差异

降噪（模糊）

减弱像素与像素之间的差异

均值滤波

高斯滤波

中值滤波

边沿检测

边沿检测效果

锐化

代码

图像模糊化处理

# 图像模糊化处理

import cv2
import numpy as np

# 中值滤波
im = cv2.imread("../data/lena.jpg", 0)
cv2.imshow("im",im)

cv2.waitKey()
cv2.destroyAllWindows()

显示图像

# 图像模糊化处理

import cv2
import numpy as np

im = cv2.imread("../data/lena.jpg", 0)
cv2.imshow("im", im)

# 中值滤波
im_median_blur = cv2.medianBlur(im,
                                5)  # 滤波器的大小
cv2.imshow("im_median_blur ", im_median_blur)
cv2.waitKey()
cv2.destroyAllWindows()

中值滤波

# 图像模糊化处理

import cv2
import numpy as np

im = cv2.imread("../data/lena.jpg", 0)
cv2.imshow("im", im)

# 中值滤波
im_median_blur = cv2.medianBlur(im,
                                5)  # 滤波器的大小
cv2.imshow("im_median_blur ", im_median_blur)

#均值滤波
im_mean_blur = cv2.blur(im,(3,3))
cv2.imshow("im_mean_blur",im_mean_blur)

cv2.waitKey()
cv2.destroyAllWindows()

高斯滤波

# 图像模糊化处理

import cv2
import numpy as np

im = cv2.imread("../data/lena.jpg", 0)
cv2.imshow("im", im)

# 中值滤波
im_median_blur = cv2.medianBlur(im,
                                5)  # 滤波器的大小
cv2.imshow("im_median_blur ", im_median_blur)

# 均值滤波
im_mean_blur = cv2.blur(im, (3, 3))
cv2.imshow("im_mean_blur", im_mean_blur)

# 高斯滤波
im_guess_blur = cv2.GaussianBlur(im,  # 原始图像
                                 (5, 5),  # 滤波器大小
                                 3)  # 高斯滤波和它的标准差
cv2.imshow("im_guess_blur ", im_guess_blur)
cv2.waitKey()
cv2.destroyAllWindows()

自定义高斯核

# 图像模糊化处理

import cv2
import numpy as np

im = cv2.imread("../data/lena.jpg", 0)
cv2.imshow("im", im)

# 自定义高斯核执行滤波计算(这个滤波器，中间大边缘小)
gaussian_blur = np.array([
    [1, 4, 7, 4, 1],
    [4, 16, 26, 16, 4],
    [7, 26, 41, 26, 7],
    [1, 4, 7, 4, 1]], np.float32) / 273
# 使用滤波器filter2D执行滤波计算
im_guassian_blur2 = cv2.filter2D(im,  # 原始图像
                                 -1,  # 目标图像深度，-1表示和原图像相同
                                 gaussian_blur)  # 滤波器
cv2.imshow("im_guess_blur2", im_guassian_blur2)
cv2.waitKey()
cv2.destroyAllWindows()

图像的锐化

锐化算子1

import cv2
import numpy as np

im = cv2.imread("../data/lena.jpg", 0)
cv2.imshow("im", im)
# 锐化算子1
sharpen_1 = np.array([[-1, -1, -1],
                      [-1, 9, -1],
                      [-1, -1, -1]])
im_sharpen1 = cv2.filter2D(im, -1, sharpen_1)
cv2.imshow("im_sharpen1", im_sharpen1)
cv2.waitKey()
cv2.destroyAllWindows()

锐化算子2

import cv2
import numpy as np

im = cv2.imread("../data/lena.jpg", 0)
cv2.imshow("im", im)

# 锐化算子2
sharpen_2 = np.array([[0, -1, 0],
                      [-1, 8, -1],
                      [0, 1, 0]])/4.0
im_sharpen2 = cv2.filter2D(im, -1, sharpen_2)
cv2.imshow("im_sharpen2", im_sharpen2)

cv2.waitKey()
cv2.destroyAllWindows()