Laplace锐化算子和LOG算子

最新推荐文章于 2023-03-11 11:17:32 发布

置顶

深海鱼肝油ya

最新推荐文章于 2023-03-11 11:17:32 发布

阅读量2.9k

点赞数 2

分类专栏： # CV

本文链接：https://blog.csdn.net/weixin_44593822/article/details/105157263

版权

本文探讨了Laplace锐化算子和LOG算子在图像处理中的应用。虽然在尝试理解LOG算子的过程中遇到了公式推导上的困惑，其分母与参考资料存在差异，但这是深入学习过程中的常见挑战。由于时间限制，目前未能解决这个问题，后续会继续研究。

摘要由CSDN通过智能技术生成

没弄懂这个LOG算子是咋写的，根据代码推出来的公式分母比PPT上多了 $2\pi \delta ^{2 }$ ，以后再说吧，现在没时间搞。。

# -*- coding:utf-8
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
import math


path  ="/home/image/Pictures/lena300.jpg"
src = cv.imread(path,0)
(H,W) = src.shape


def Laplace(src):
    tmp = np.zeros((H,W),np.uint8)
    b=np.array([[0,-1,0],
                [-1,5,-1],
                [0,-1,0]])
    for i in range(1,H-1) :
        for j in range (1,W-1):
            a00 = np.int16(src[i - 1, j - 1])
            a01 = np.int16(src[i - 1, j])
            a02 = np.int16(src[i - 1, j + 1])
            a10 = np.int16(src[i, j - 1])
            a11 = np.int16(src[i, j])
            a12 = np.int16(src[i, j + 1])
            a20 = np.int16(src[i + 1, j - 1])