计算机视觉自学之路练习1

最新推荐文章于 2024-09-14 19:03:31 发布

淮南草

最新推荐文章于 2024-09-14 19:03:31 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：计算机视觉自学之路作业

本文链接：https://blog.youkuaiyun.com/zhuisaozhang1292/article/details/80752172

本文介绍了计算机视觉中的图像处理技术，包括使用高斯模糊处理图像，随着σ增加图像轮廓的变化及其原因。同时，探讨了反锐化图像掩模操作在彩色和灰度图像上的应用，展示其能实现图像锐化效果。实验结果包括不同模糊程度的图像及反锐化处理后的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、将一幅图像进行高斯模糊处理。随着σ 的增加，绘制出图像轮廓。
在你绘制出的图中，图像的轮廓有何变化？你能解释为什么会发生这些变化吗？

答：随着 σ 的增加，一幅图像被模糊的程度。σ 越大，处理后的图像细节丢失越多模糊灰度图

2、通过将图像模糊化，然后从原始图像中减去模糊图像，来实现反锐化图像掩模操作（http://en.wikipedia.org/wiki/Unsharp_masking）。反锐化图像掩模操作可以实现图像锐化效果。试在彩色和灰度图像上使用反锐化图像掩模操作，观察该操作的效果

输入：

from PIL import Image   
from numpy import *   
from scipy.ndimage import filters  
import matplotlib.pyplot as plt   
  
""" 
    显示了随着 σ 的增加，一幅图像被模糊的程度。σ 越大，处理后的图像细节 丢失越多 
    模糊灰度图 
"""  
im = array(Image.open('1.jpg'))  
#im2 = filters.gaussian_filter(im,5)  

imc =  array(Image.open('1.jpg').convert('L')) 
imc2 = filters.gaussian_filter(imc,5)  

#反锐化
#im2a = im - im2
imc2a = imc - imc2
 
im2 = zeros(im.shap