Python 图像处理基础 (七) 空域图像的卷积运算

空域图像的卷积运算

1. 矩阵计算视角下的卷积操作

卷积的方式有多种，主要区别在于卷积核与图像矩阵边界匹配的方式和加权求和后值的位置分配不同，下图尽通过一组图来展示卷积的过程。

2. 构造低通卷积核对图像进行卷积

# 空域图像的低通滤波卷积运算
import numpy as np
from PIL import Image
from scipy.signal import convolve2d,gaussian
import matplotlib.pylab as plt

im = np.mean(Image.open('images/vic.png'), axis=2) #np.mean(misc.face(), axis=2)
ker = np.outer(gaussian(11, 3), gaussian(11, 3)) # 2D Gaussian kernel of size 11x11 with σ = 3
im_blur = convolve2d(im, ker, 'same')


plt.figure(figsize=(12,8))
plt.subplot(121),plt.imshow(im,cmap='gray'),plt.axis('off')
plt.subplot(122),plt.imshow(im_blur,cmap='gray'),plt.axis('off')
plt.show()

3. 构造 prewitt 算子卷积核对图像进行卷积

# x 方向上的 prewitt 算子
import numpy as np
from PIL import Image
from scipy.signal import convolve2d
import matplotlib.pylab as plt

im = np.mean(Image.open('images/vic.png'), axis=2) #np.mean(misc.face(), axis=2)
ker = np.array([[-1,-1,-1],[0,0,0],[1,0,1]])
im_blur = convolve2d(im, ker, 'same')

plt.figure(figsize=(12,8))
plt.subplot(121),plt.imshow(im,cmap='gray'),plt.axis('off')
plt.subplot(122),plt.imshow(im_blur,cmap='gray'),plt.axis('off')
plt.show()

4. 通过现有的contour滤波器对图像进行卷积

import numpy as np
from PIL import Image, ImageFilter
import matplotlib.pylab as plt

im = Image.open('images/vic.png').convert('L') #np.mean(misc.face(), axis=2)
im_blur = im.filter(ImageFilter.CONTOUR)

plt.figure(figsize=(12,8))
plt.subplot(121),plt.imshow(im,cmap='gray'),plt.axis('off')
plt.subplot(122),plt.imshow(im_blur,cmap='gray'),plt.axis('off')
plt.show()

5. 小节

图像空域上的卷积操作和频域图像上的矩阵点积运算会达到同样的效果。

• 频域滤波可以简单地将图像分为高频区域和低频区域，利用点积运算很简单的实现滤波；缺点是很难通过图像的结构信息构造滤波器。
• 空域上的卷积运算虽然计算复杂，但是可以通过图像的结构信息构造滤波器实现不同目的的特征提取。