OpenCV 高通滤波、低通滤波

本文介绍了OpenCV中如何进行高通和低通滤波操作,涉及低频、高频信号处理和频域滤波的概念,并提供了代码示例,包括低通滤波器的实现和应用。
摘要由CSDN通过智能技术生成

高通滤波

低频、高频

在这里插入图片描述

频域滤波

在这里插入图片描述

代码示例

import cv2
import numpy as np
import matplotlib.pyplot as plt
	#1.导入图片并进行傅里叶变换
img = cv2.imread('./hanser.jpg',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
	#2.剔除低频,通高频
rows,cols = img.shape
crow,ccol = int(rows/2),int(cols/2)
fshift[crow-
  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV提供了多种高通滤波低通滤波函数,下面分别介绍其的几种。 1. 高斯滤波(低通滤波) 高斯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高频噪声,保留信号的低频信息。在OpenCV,可以使用`cv2.GaussianBlur`函数实现高斯滤波。 ```python blurred = cv2.GaussianBlur(image, (ksize, ksize), sigmaX) ``` 其,`image`为输入图像,`ksize`为滤波器的大小,`sigmaX`为高斯核的标准差。 2. 拉普拉斯滤波(高通滤波) 拉普拉斯滤波是一种常用的高通滤波器,可以通过增强信号的高频成分来增强图像的边缘信息。在OpenCV,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,`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(高通滤波) Sobel滤波也是一种常用的高通滤波器,它可以通过检测图像的边缘来增强图像的高频成分。在OpenCV,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,`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提供了多种高通滤波低通滤波函数,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
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
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