opencv3 图像处理——滤波

最新推荐文章于 2023-12-29 17:11:55 发布

淮南草

最新推荐文章于 2023-12-29 17:11:55 发布

阅读量780

点赞数

CC 4.0 BY-SA版权

分类专栏： opencv

本文链接：https://blog.youkuaiyun.com/zhuisaozhang1292/article/details/80848680

本文介绍了OpenCV3中高通滤波器的原理和应用，这种滤波器通过比较像素与周围像素的亮度差值来增强图像边缘。高通滤波在边缘检测上表现出色，使用高频提升滤波器实现。文章还提到了滤波器的半径参数，用于控制邻近像素的影响范围，并展示了使用高通滤波器进行边缘检测的实例效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

高通滤波器: 通过检测图像的某个区域，然后根据像素与周围像素的亮度差值来提升该像素的亮度的滤波器，在计算完中央像素与周围邻近像素的亮度差值之和以后，如果亮度变化很大，中央像素的亮度会增加（反之则不会）。换句话说，如果一个像素比它周围的像素更突出，就会提升它的亮度。这在边缘检测上尤其有效，它会采用一种称为高频提升滤波器(high boost filter)的高通滤波器。高通和低通滤波器都有一个称为半径(radius)的属性，它决定了多大面积的邻近像素参与滤波计算

import cv2
import numpy as np
from skimage import io 
from scipy import ndimage

kernel_3x3 = np.array([[-1, -1, -1],
                   [-1,  8, -1],
                   [-1, -1, -1]])

kernel_5x5 = np.array([[-1, -1, -1, -1, -1],
                       [-1,  1,  2,  1, -1],
                       [-1,  2,  4,  2, -1],
                       [-1,  1,  2,  1, -1],
                       [-1, -1, -1, -1, -1]])

img = io.imread(r"D:\F\eclipse-workspace\imagop\src\1.png",as_grey=True)

k3 = ndimage.convolve(img, kernel_3x3)
k5 = ndimage.convolve(img, kernel_5x5)

blurred = cv2.GaussianBlur(img, (17,17), 0)
g_hpf = img - blurred
cv2.namedWindow('3x3', 0)
cv2.imshow("3x3", k3)
cv2.namedWindow('5x5', 0)
cv2.imshow("5x5", k5)
cv2.namedWindow('g_hpf', 0)
cv2.imshow("g_hpf", g_hpf)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出：

描绘边缘并模拟肖像胶卷色彩

cameo.py

import cv2
import filters
from managers import WindowManager, CaptureManager

class Cameo(object):
    
    def __init__(self):
        self._windowManager = WindowManager('Cameo',
                                             self.onKeypr