计算机视觉（二）图像数值化处理

（一）图像滤波（平滑滤波）
消除图像中混入的噪声
为图像识别抽取出图像特征
图像滤波的实现方式是通过一个卷积算子得到
1、图像滤波：平滑滤波
（1）简单平均法
将所有卷积算子覆盖到的像素点取平均。
（2）高斯滤波法
卷积算子根据二维高斯分布得到，越在中间的权重占比越大。二维高斯分布的得到的卷积算子是无穷大的，对得到的卷积算子进行截取，得到目标卷积算子。在对图像进行卷积操作后要除以卷积内所有值的和。
高斯平滑的代码实现：import skimage.filters
img_e = filters.gaussian(img,sigma=10)

2、边缘检测
（1）Roberts算子
（2）Prewitt算子
（3）Sobel算子
（4）canny算子

用高斯滤波平滑图像
用sobel等梯度算子计算梯度值和方向
对梯度幅值进行非极大值抑制
用双阈值算法检测和连接边缘

边缘检测的代码实现
from skimage import filters
from skimage import feature
filters.roberts(img)
filters.prewiit(img)
filters.prewitt_h(img)
filters.prewitt_v(img)
filters.sobel(img)
filters.sobel_h(img)
filters.sobel_v(img)
feature.canny(img,sigma=0.1)

三、图像阈值分割
1、基于Otsu算法（大津算法）的阈值分割方法
（1）把图像转成灰度图
（2）计算全部平均灰度w
（3）选定一个阈值T把所有像素分为N0和N1两部分
（4）计算N0的灰度w0，和N1的灰度w1
（5）计算类间方差g=N0*(w0-w)^2 + N1*(w1-w)^2
（6）采用遍历法找到Tmax使得g最大

代码实现：from skimage import feature
theta = filters.threshold_otsu(img_gray,nbins=256)
img_seg = np.zeros(img_gray.shape)
img_seg[img_gray>theta] = 1

四、基本形态学滤波：膨胀，腐蚀，开关运算
膨胀：将1周围为0的像素填写为1
腐蚀：将0周围为1的像素填写为0

开运算：先腐蚀后膨胀，可消除细小点噪音
闭运算：先膨胀后腐蚀，可补全图像

from skimage import morphology
img_d = morphology.dilation(img,morphology.square(2))
img_d = morphology.erosion(img,morphology.square(2))
img_d = morphology.opening(img,morphology.square(2))

img_d = morphology.closing(img,morphology.square(2))