数字图像处理与Python实现-Scikit-Image-图像滤波（二）

2、边缘滤波器

2.1 高斯差分滤波(DoG)边缘滤波

Difference of Gaussian(DoG)是高斯函数的差分。DoG可以通过将图像与高斯函数进行卷积得到一幅图像的低通滤波结果，即对图像降噪。filters模块的difference_of_gaussians函数实现了高斯差分滤波。其原型如下：

skimage.filters.difference_of_gaussians(image, low_sigma, high_sigma=None, *, mode=‘nearest’, cval=0, channel_axis=None, truncate=4.0, multichannel=False)

该函数使用高斯差分方法将带通滤波器应用于多维数组。 输入数组用两个不同 sigma 的高斯核模糊，以产生两个中间的过滤图像。 然后从不太模糊的图像中减去较模糊的图像。 因此，最终输出图像的高频分量被较小的 sigma Gaussian 衰减，而低频分量由于存在于更模糊的中间图像中而被去除。参数说明如下：

• image：输入数组
• low_sigma：标量或标量数组，在所有轴上具有较小 sig