好上手的做海报网站,网站分站开发计划书,9个常用的wordpress sql查询命令,平面设计平台接单【OpenCV 例程200篇】87. 频率域钝化掩蔽 欢迎关注 『OpenCV 例程200篇』 系列#xff0c;持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列#xff0c;持续更新中 4.2 频率域钝化掩蔽 简单地#xff0c;从原始图像中减去一幅平滑处理的钝化图像#xff0c;也可以实…【OpenCV 例程200篇】87. 频率域钝化掩蔽 欢迎关注 『OpenCV 例程200篇』 系列持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列持续更新中 4.2 频率域钝化掩蔽 简单地从原始图像中减去一幅平滑处理的钝化图像也可以实现图像锐化效果称为钝化掩蔽。 令 fLP(x,y)f_{LP}(x,y)fLP​(x,y) 表示低通滤波的平滑图像则 gmask(x,y)f(x,y)−fLP(x,y)g(x,y)f(x,y)k∗gmask(x,y)k0g_{mask} (x,y) f(x,y) - f_{LP}(x,y) \\ g(x,y) f(x,y) k * g_{mask}(x,y) k0 gmask​(x,y)f(x,y)−fLP​(x,y)g(x,y)f(x,y)k∗gmask​(x,y)k0 当 k1 时实现高提升滤波当 k1 时实现钝化掩蔽k1时可以减弱钝化掩蔽的强度。 原图减去模糊图的结果为模板输出图像等于原图加上加权后的模板当权重为1得到非锐化掩蔽当权重大于1成为高提升滤波。 在频率域实现钝化掩蔽高频强调滤波器传递函数为 g(x,y)J−1{[1kHHP(u,v)]F(u,v)}g(x,y) J^{-1} \{ [1k H_{HP}(u,v)]F(u,v) \} g(x,y)J−1{[1kHHP​(u,v)]F(u,v)} 高频强调滤波的通用公式是 g(x,y)J−1{[k1k2HHP(u,v)]F(u,v)}g(x,y) J^{-1} \{ [k_1 k_2 H_{HP}(u,v)]F(u,v) \} g(x,y)J−1{[k1​k2​HHP​(u,v)]F(u,v)} 式中k1≥0k_1 \geq 0k1​≥0 偏移传递函数的值k2≥0k_2 \geq 0k2​≥0 控制高频的贡献。 例程 8.26频率域钝化掩蔽 # OpenCVdemo08.py # Demo08 of OpenCV # 8. 图像的频率域滤波 # Copyright 2021 Youcans, XUPT # Crated2021-12-30# 8.26频率域钝化掩蔽def gaussHighPassFilter(shape, radius10): # 高斯高通滤波器# 高斯滤波器# Gauss 1/(2*pi*s2) * exp(-(x**2y**2)/(2*s2))u, v np.mgrid[-1:1:2.0/shape[0], -1:1:2.0/shape[1]]D np.sqrt(u**2 v**2)D0 radius / shape[0]kernel 1 - np.exp(- (D ** 2) / (2 *D0**2))return kerneldef dft2Image(image): #　最优扩充的快速傅立叶变换# 中心化, centralized 2d array f(x,y) * (-1)^(xy)mask np.ones(image.shape)mask[1::2, ::2] -1mask[::2, 1::2] -1fImage image * mask # f(x,y) * (-1)^(xy)# 最优 DFT 扩充尺寸rows, cols image.shape[:2] # 原始图片的高度和宽度rPadded cv2.getOptimalDFTSize(rows) # 最优 DFT 扩充尺寸cPadded cv2.getOptimalDFTSize(cols) # 用于快速傅里叶变换# 边缘扩充(补0), 快速傅里叶变换dftImage np.zeros((rPadded, cPadded, 2), np.float32) # 对原始图像进行边缘扩充dftImage[:rows, :cols, 0] fImage # 边缘扩充下侧和右侧补0cv2.dft(dftImage, dftImage, cv2.DFT_COMPLEX_OUTPUT) # 快速傅里叶变换return dftImage# 高频强调滤波 直方图均衡化image cv2.imread(../images/Fig0459a.tif, flags0) # flags0 读取为灰度图像rows, cols image.shape[:2] # 图片的高度和宽度print(rows, cols)# 快速傅里叶变换dftImage dft2Image(image) # 快速傅里叶变换 (rPad, cPad, 2)rPadded, cPadded dftImage.shape[:2] # 快速傅里叶变换的尺寸, 原始图像尺寸优化# 构建 高斯高通滤波器 (Gauss low pass filter)hpFilter gaussHighPassFilter((rPadded, cPadded), radius10) # 高斯高通滤波器# 在频率域修改傅里叶变换: 傅里叶变换 点乘 低通滤波器dftHPfilter np.zeros(dftImage.shape, dftImage.dtype) # 快速傅里叶变换的尺寸(优化尺寸)for j in range(2):dftHPfilter[:rPadded, :cPadded, j] dftImage[:rPadded, :cPadded, j] * hpFilter# 对高通傅里叶变换 执行傅里叶逆变换并只取实部idft np.zeros(dftImage.shape[:2], np.float32) # 快速傅里叶变换的尺寸(优化尺寸)cv2.dft(dftHPfilter, idft, cv2.DFT_REAL_OUTPUT cv2.DFT_INVERSE cv2.DFT_SCALE)# 中心化, centralized 2d array g(x,y) * (-1)^(xy)mask2 np.ones(dftImage.shape[:2])mask2[1::2, ::2] -1mask2[::2, 1::2] -1idftCen idft * mask2 # g(x,y) * (-1)^(xy)# 截取左上角大小和输入图像相等result np.clip(idftCen, 0, 255) # 截断函数将数值限制在 [0,255]imgHPF result.astype(np.uint8)imgHPF imgHPF[:rows, :cols]# # 高频增强滤波k1 0.5k2 0.75# 在频率域修改傅里叶变换: 傅里叶变换 点乘 低通滤波器hpEnhance np.zeros(dftImage.shape, dftImage.dtype) # 快速傅里叶变换的尺寸(优化尺寸)for j in range(2):hpEnhance[:rPadded, :cPadded, j] dftImage[:rPadded, :cPadded, j] * (k1 k2*hpFilter)# 对高通傅里叶变换 执行傅里叶逆变换并只取实部idft np.zeros(dftImage.shape[:2], np.float32) # 快速傅里叶变换的尺寸(优化尺寸)cv2.dft(hpEnhance, idft, cv2.DFT_REAL_OUTPUT cv2.DFT_INVERSE cv2.DFT_SCALE)# 中心化, centralized 2d array g(x,y) * (-1)^(xy)mask2 np.ones(dftImage.shape[:2])mask2[1::2, ::2] -1mask2[::2, 1::2] -1idftCen idft * mask2 # g(x,y) * (-1)^(xy)# 截取左上角大小和输入图像相等result np.clip(idftCen, 0, 255) # 截断函数将数值限制在 [0,255]imgHPE result.astype(np.uint8)imgHPE imgHPE[:rows, :cols]# 直方图均衡imgEqu cv2.equalizeHist(imgHPE) # 使用 cv2.qualizeHist 完成直方图均衡化变换plt.figure(figsize(9, 6))plt.subplot(221), plt.imshow(image, gray), plt.title(Origin), plt.xticks([]), plt.yticks([])plt.subplot(222), plt.imshow(imgHPF, gray), plt.title(Gauss high-pass filter), plt.xticks([]), plt.yticks([])plt.subplot(223), plt.imshow(imgHPE, gray), plt.title(High frequency emphasis), plt.xticks([]), plt.yticks([])plt.subplot(224), plt.imshow(imgEqu, gray), plt.title(Histogram of equalized), plt.xticks([]), plt.yticks([])plt.tight_layout()plt.show() 本节完 版权声明 youcansxupt 原创作品转载必须标注原文链接 Copyright 2021 youcans, XUPT Crated2022-2-1 欢迎关注 『OpenCV 例程200篇』 系列持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列持续更新中 【OpenCV 例程200篇】01. 图像的读取cv2.imread 【OpenCV 例程200篇】02. 图像的保存cv2.imwrite 【OpenCV 例程200篇】03. 图像的显示cv2.imshow 【OpenCV 例程200篇】04. 用 matplotlib 显示图像plt.imshow 【OpenCV 例程200篇】05. 图像的属性np.shape 【OpenCV 例程200篇】06. 像素的编辑img.itemset 【OpenCV 例程200篇】07. 图像的创建np.zeros 【OpenCV 例程200篇】08. 图像的复制np.copy 【OpenCV 例程200篇】09. 图像的裁剪cv2.selectROI 【OpenCV 例程200篇】10. 图像的拼接np.hstack 【OpenCV 例程200篇】11. 图像通道的拆分cv2.split 【OpenCV 例程200篇】12. 图像通道的合并cv2.merge 【OpenCV 例程200篇】13. 图像的加法运算cv2.add 【OpenCV 例程200篇】14. 图像与标量相加cv2.add 【OpenCV 例程200篇】15. 图像的加权加法cv2.addWeight 【OpenCV 例程200篇】16. 不同尺寸的图像加法 【OpenCV 例程200篇】17. 两张图像的渐变切换 【OpenCV 例程200篇】18. 图像的掩模加法 【OpenCV 例程200篇】19. 图像的圆形遮罩 【OpenCV 例程200篇】20. 图像的按位运算 【OpenCV 例程200篇】21. 图像的叠加 【OpenCV 例程200篇】22. 图像添加非中文文字 【OpenCV 例程200篇】23. 图像添加中文文字 【OpenCV 例程200篇】23. 图像添加中文文字 【OpenCV 例程200篇】24. 图像的仿射变换 【OpenCV 例程200篇】25. 图像的平移 【OpenCV 例程200篇】26. 图像的旋转以原点为中心 【OpenCV 例程200篇】27. 图像的旋转以任意点为中心 【OpenCV 例程200篇】28. 图像的旋转直角旋转 【OpenCV 例程200篇】29. 图像的翻转cv2.flip 【OpenCV 例程200篇】30. 图像的缩放cv2.resize 【OpenCV 例程200篇】31. 图像金字塔cv2.pyrDown 【OpenCV 例程200篇】32. 图像的扭变错切 【OpenCV 例程200篇】33. 图像的复合变换 【OpenCV 例程200篇】34. 图像的投影变换 【OpenCV 例程200篇】35. 图像的投影变换边界填充 【OpenCV 例程200篇】36. 直角坐标与极坐标的转换 【OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理 【OpenCV 例程200篇】38. 图像的反色变换图像反转 【OpenCV 例程200篇】39. 图像灰度的线性变换 【OpenCV 例程200篇】40. 图像分段线性灰度变换 【OpenCV 例程200篇】41. 图像的灰度变换灰度级分层 【OpenCV 例程200篇】42. 图像的灰度变换比特平面分层 【OpenCV 例程200篇】43. 图像的灰度变换对数变换 【OpenCV 例程200篇】44. 图像的灰度变换伽马变换 【OpenCV 例程200篇】45. 图像的灰度直方图 【OpenCV 例程200篇】46. 直方图均衡化 【OpenCV 例程200篇】47. 图像增强—直方图匹配 【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配 【OpenCV 例程200篇】49. 图像增强—局部直方图处理 【OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强 【OpenCV 例程200篇】51. 图像增强—直方图反向追踪 【OpenCV 例程200篇】52. 图像的相关与卷积运算 【OpenCV 例程200篇】53. Scipy 实现图像二维卷积 【OpenCV 例程200篇】54. OpenCV 实现图像二维卷积 【OpenCV 例程200篇】55. 可分离卷积核 【OpenCV 例程200篇】56. 低通盒式滤波器 【OpenCV 例程200篇】57. 低通高斯滤波器 【OpenCV 例程200篇】58. 非线性滤波—中值滤波 【OpenCV 例程200篇】59. 非线性滤波—双边滤波 【OpenCV 例程200篇】60. 非线性滤波—联合双边滤波 【OpenCV 例程200篇】61. 导向滤波Guided filter 【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽 【OpenCV 例程200篇】63. 图像锐化——Laplacian 算子 【OpenCV 例程200篇】64. 图像锐化——Sobel 算子 【OpenCV 例程200篇】65. 图像锐化——Scharr 算子 【OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通 【OpenCV 例程200篇】67. 空间域图像增强的综合应用 【OpenCV 例程200篇】68. 空间域图像增强的综合应用 【OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数 【OpenCV 例程200篇】70. 一维连续函数的傅里叶变换 【OpenCV 例程200篇】71. 连续函数的取样 【OpenCV 例程200篇】72. 一维离散傅里叶变换 【OpenCV 例程200篇】73. 二维连续傅里叶变换 【OpenCV 例程200篇】74. 图像的抗混叠 【OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换 【OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换 【OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换 【OpenCV 例程200篇】78. 频率域图像滤波基础 【OpenCV 例程200篇】79. 频率域图像滤波的基本步骤 【OpenCV 例程200篇】80. 频率域图像滤波详细步骤 【OpenCV 例程200篇】81. 频率域高斯低通滤波器 【OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器 【OpenCV 例程200篇】83. 频率域低通滤波印刷文本字符修复 【OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器 【OpenCV 例程200篇】85. 频率域高通滤波器的应用 【OpenCV 例程200篇】86. 频率域滤波应用指纹图像处理 【OpenCV 例程200篇】87. 频率域钝化掩蔽 【OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波 【OpenCV 例程200篇】89. 带阻滤波器的传递函数 【OpenCV 例程200篇】90. 频率域陷波滤波器 【OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声 【OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声 【OpenCV 例程200篇】93. 噪声模型的直方图 【OpenCV 例程200篇】94. 算术平均滤波器 【OpenCV 例程200篇】95. 几何均值滤波器 【OpenCV 例程200篇】96. 谐波平均滤波器 【OpenCV 例程200篇】97. 反谐波平均滤波器 【OpenCV 例程200篇】98. 统计排序滤波器 【OpenCV 例程200篇】99. 修正阿尔法均值滤波器 【OpenCV 例程200篇】100. 自适应局部降噪滤波器