阅读桑迪潘·戴伊的《Python图像处理实战》笔记二

本文链接：https://blog.youkuaiyun.com/qq_45190745/article/details/127772956

本文详细介绍了图像处理中的关键步骤，包括上采样和下采样技术，其中提到抗混叠的Image.ANTIALIAS rescale方法。讨论了离散傅里叶变换（DFT）及其在图像分析中的应用，通过numpy.fft和scipy.fftpack模块实现。此外，还探讨了卷积的概念和用途，包括使用Scipy的convolve2d和ndimage.convolve函数进行图像滤波和边缘检测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

二、采样、傅里叶变换与卷积

1.采样

对图像像素的选择或拒绝，一种空间操作。（上采样或下采样来增大或缩小图像）

1.1 上采样

方法：（1）聚合值：Image.NEAREST（最近邻导致图像质量差）
（2）双线性(Image.BILINEAR)或三次插值(Image.BICUBIC)的像素领域的内插值

1.2 下采样

方法：（1）以系统的方式从较大的图像中删除一些像素
（2）计算新的像素值并将其作为原始图像中相应多个像素的聚合值
抗混叠：Image.ANTIALIAS rescale()函数

1.3 PIL量化

信噪比：图像数组的均值除以图像数组的标注差。通过signaltonoise()函数获取
信噪比越高，图像质量越好

2.离散傅里叶变换

2.1 FFT的scipy.ffpack模块

fft2()/ifft2()函数计算DFT/IDFT

2.2 绘制频谱图

freq2=fp.ffshit(freq)
pylab.figure(figsize=(10,10),pylab,imshow((20*np.log10(0.1+freq2)).astype(int))
pylab.show()

2.3 FFT的numpy.fft模块

计算DFT的幅值和相位：将图像作为输入，利用fft2()得到傅里叶系数的实分量和虚分量；然后计算幅值、频谱和相位，最后利用ifft2()重建图像。

3.卷积

卷积是对两幅图像进行操作的运算：一幅是输入图像；另一幅图像是作为输入图像的滤波器而产生输出图像的掩膜
作用：在图像上使用合适的核实现各种效果，以及在边缘检测等操作中实现各种效果。

3.1使用Scipy信号模块的convolve2d函数进行卷积

（1）对灰度图像应用卷积：通过卷积拉普拉斯核检测灰度图像的边缘，然后用box核模糊图像。
（2）彩色图像的卷积：使用scipy.convolve2d()锐化彩色图像，使用emboss核和schar边缘检测复杂核对图像进行卷积。

3.2使用Scipy中的ndimage.convolve函数进行卷积

使用函数直接锐化RGB图像而不需要对每个图像通道分别进行卷积