人工智能-图像滤波

• 滤波概念

1）滤波过程就是把不需要的信号频率去掉的过程
2）滤波操作一般用卷积操作赖实现，卷积核一般称为滤波器
3）滤波分为：低通滤波、高通滤波、中通滤波、阻带滤波
4）低通滤波也叫平滑滤波，获取一些低频信息，可以使图像变模糊，主要用于去噪
5）高通滤波，获取一些高频信息，一般用于获取图像的边缘、轮廓或梯度
6）中通滤波一般用于获取已知频率范围内的信号
7）阻带滤波一般用于去掉已知频率范围内的信号
8）滤波分析一般有时域分析和频域分析
9）时域分析是直接对信号本身进行分析
10）频域分析是对信号的变化快慢进行分析

• 卷积

卷积是如何实现滤波器的功能呢，这就需要对卷积核进行操作，卷积核相当于滤波器，我们可以通过卷积核的不断滑动来过滤掉一些频率信息，如下面的代码，卷积核采用高通滤波的形式进行卷积

import cv2
import numpy as np

src = cv2.imread('timg.jpg')
kernel = np.array([[1,1,0],[1,0,-1],[0,-1,-1]],np.float32) #定义一个卷积核
dst = cv2.filter2D(src,-1,kernel=kernel)

cv2.imshow('src show',src)
cv2.imshow('dst show',dst)

cv2.waitKey(0)

下面介绍一下常用的卷积核（算子）

• 平滑算子

1）均值滤波
和原图相比，高频信号被压低了，较原图来看变的模糊了一点

src = cv2.imread('timg.jpg')
dst = cv2.blur(src,(5,5))

cv2.imshow('src show',src)
cv2.imshow('dst show',dst)
cv2.waitKey(0)

2）高斯滤波
一般的噪声都是高斯白噪，高斯滤波比较常用，属于低通滤波

src = cv2.imread('timg.jpg')
dst = cv2.GaussianBlur(src,(3,3),1) #高斯滤波，最后一个参数是方差
cv2.imshow('src show',src)
cv2.imshow('dst show',dst)
cv2.waitKey(0)

3）中值滤波
对椒盐噪声效果较好

src = cv2.imread('1.jpg')
# kernel = np.array([[1,1,0],[1,0,-1],[0,-1,-1]],np.float32) #定义一个卷积核
# dst = cv2.filter2D(src,-1,kernel=kernel)

# dst = cv2.blur(src,(5,5))
# dst = cv2.GaussianBlur(src,(3,3),1)
dst = cv2.medianBlur(src,5)
cv2.imshow('src show',src)
cv2.imshow('dst show',dst)

cv2.waitKey(0)

4）双边滤波

src = cv2.imread('3.PNG')
dst = cv2.bilateralFilter(src,13,80,80)
cv2.imshow('src show',src)
cv2.imshow('dst show',dst)

cv2.waitKey(0)

• 锐化算子

1）Laplacian锐化

src = cv2.imread('4.jpg')
#拉普拉斯算子
dst = cv2.Laplacian(src,-1,1)
cv2.imshow('src show',src)
cv2.imshow('dst show',dst)

cv2.waitKey(0)

2）usm锐化
图像较原图轮廓更清晰

src = cv2.imread('4.jpg')
dst = cv2.GaussianBlur(src,(5,5),0)
dst = cv2.addWeighted(src,2,dst,-1,0)
cv2.imshow('src show',src)
cv2.imshow('dst show',dst)

cv2.waitKey(0)

3）梯度算子
Sobel，Scharr和Laplacian梯度滤波器
1.Sobel，Scharr其实就是一阶或二阶导数，Scharr是对Sobel的优化。Laplacian是求二阶导数
2.Sobel算子是高斯平滑与微分操作的结合体，所以他的抗噪声能力较好
Sobel

src = cv2.imread('5.jpg')
# dst = cv2.Sobel(src,-1,1,0) #竖着方向
dst = cv2.Sobel(src,-1,0,1) #横着方向
cv2.imshow('src show',src)
cv2.imshow('dst show',dst)

cv2.waitKey(0)

Scharr

src = cv2.imread('5.jpg')
# dst = cv2.Scharr(src,-1,1,0) #竖着方向
dst = cv2.Scharr(src,-1,0,1) #横着方向
cv2.imshow('src show',src)
cv2.imshow('dst show',dst)

cv2.waitKey(0)