数字图像处理作业

最新推荐文章于 2024-10-09 22:22:46 发布

原创最新推荐文章于 2024-10-09 22:22:46 发布 · 339 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #图像处理 #python

数字图像处理专栏收录该内容

3 篇文章

订阅专栏

本文介绍了一种图像增强技术——同态滤波。通过该方法可以在图像亮度不均匀的情况下，改善图像质量。具体步骤包括：对图像取对数、傅里叶变换、使用同态滤波器进行滤波、傅里叶反变换以及取指数获得增强后的图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

选择第二题

图片是一张从暗处向一个亮处拍摄的图像，石板细节不清楚，这种情况可以采用同态滤波进行增强。

step1 对图像f(x,y)取对数, z(x,y) = ln f(x,y) = ln i(x,y) + ln r(x,y)

step2 对图像做傅里叶变换 Z(u,v) = Fi(u,v) + Fr(u,v)

step3 使用同态滤波器H(u,v)对图像进行滤波，S(u,v) = H(u,v) Z(u,v) = H(u,v)Fi(u,v) + H(u,v)Fr(u,v)

step4 滤波后对图像进行傅里叶反变换， s(x, y) = IDFT( S(u,v) )

step5 取指数，得到处理后的图像，g(x,y) = exp^(s(x,y)) = i(x,y)+r(x,y)

import os
import cv2
from PIL import Image
import numpy as np


def homo_flt(imagedir, d0=9, r1=0.44, rh=1.7, c=4.2, h=2.05, l=0.5):          #设置参数
    gray = imagedir.copy()
    if len(imagedir.shape) > 2:
         gray = cv2.cvtColor(imagedir, cv2.COLOR_BGR2GRAY)              #对图像进行格式转换，转换为灰度图
    gray = np.float64(gray)
    rows, cols = gray.shape
    gray_fft = np.fft.fft2(gray)                                        #对图像进行傅里叶变换转换到频域
    gray_fftshift = np.fft.fftshift(gray_fft)                           #将能量最高的点移动到图像的中心点
    result_fftshift = np.zeros_like(gray_fftshift)
    M, N = np.meshgrid(np.arange(-cols // 2, cols // 2), np.arange(-rows//2, rows//2))  #生成像素点的坐标
    D = np.sqrt(M ** 2 + N ** 2)
    Z = (rh - r1) * (1 - np.exp(-c * (D ** 2 / d0 ** 2))) + r1
    result_fftshift = Z * gray_fftshift
    result_fftshift = (h - l) * result_fftshift + l
    result_ifftshift = np.fft.ifftshift(result_fftshift)
    result_ifft = np.fft.ifft2(result_ifftshift)
    result = np.real(result_ifft)
    result = np.uint8(np.clip(result, 0, 255))                                      #重新映射为8位图像
    return result



path = "微信图片_20221102103333.jpg"
if os.path.isfile(path):
    img = Image.open(path)
    Img = img.convert('L')
    img = np.array(img)                     #转化为nparray
img_result = homo_flt(img)
cv2.imwrite("result.png", img_result)          #以result为名保存图像

对比