图像处理（五）：二维泊松重建

图像处理（五）：二维泊松重建

概念介绍

假如我们知道一个二维图像边缘的像素值，及其每个像素位置的梯度，我们可以还原出原图像。
我们定义邻居像素集合为四联通域 则问题满足以下关系

v(i,j) - v(i-1, j) = s(i,j) - s(i-1, j)
v(i,j) - v(i+1, j) = s(i,j) - s(i+1, j)
v(i,j) - v(i, j-1) = s(i,j) - s(i, j-1)
v(i,j) - v(i, j+1) = s(i,j) - s(i, j+1)
4*v(i,j) - v(i-1, j) - v(i+1, j) - v(i, j-1) - v(i, j+1) = 4*s(i,j) - s(i-1, j) - s(i+1, j) - s(i, j-1) - s(i, j+1)

我们可以看到，问题转化之后，等式的左边就是拉普拉斯的离散形式表达。
对于此任务，我们将对一个简单的图像计算laplacian，然后从该laplacian重构原始图像
对于三通道图像，单独对每个通道进行处理

代码实现

计算拉普拉斯（梯度）

from pylab import *

import imageio as imio
import numpy as np
import scipy.ndimage as nd
import scipy.sparse

im = imio.imread("data/test.png")[:,:,:3]/255.

def Laplacian(im):
    laplacian_kernel = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0