建设银行证券转银行网站,wordpress tag 数量,什么是二次开发,公司网站搜索优化目录锐化#xff08;高通#xff09;空间滤波器钝化掩蔽和高提升滤波锐化#xff08;高通#xff09;空间滤波器
平滑通过称为低通滤波类似于积分运算锐化通常称为高通滤波微分运算高过#xff08;负责细节的#xff09;高频#xff0c;衰减或抑制低频
钝化掩蔽和高提…
目录锐化高通空间滤波器钝化掩蔽和高提升滤波锐化高通空间滤波器
平滑通过称为低通滤波类似于积分运算锐化通常称为高通滤波微分运算高过负责细节的高频衰减或抑制低频
钝化掩蔽和高提升滤波 钝化掩蔽 从原图像中减去一幅钝化平滑后的图像 步骤
模糊原图像从原图像减去模糊后的图像产生的差称为模板将模板与原图像相加
令fˉ(x,y)\bar f(x,y)fˉ(x,y)表示模糊后的图像则有 gmask(x,y)f(x,y)−fˉ(x,y)(3.55)g_{mask}(x, y) f(x, y) - \bar f(x,y) \tag{3.55}gmask(x,y)f(x,y)−fˉ(x,y)(3.55) g(x,y)f(x,y)kgmask(x,y)(3.56)g(x,y) f(x,y) k g_{mask}(x, y) \tag{3.56}g(x,y)f(x,y)kgmask(x,y)(3.56) 权值k≥0k \ge 0k≥0k1k 1k1时它是钝化掩蔽k1k 1k1时这个过程称为高提升滤波选择k≤1k \leq 1k≤1可以减少钝化模板的贡献。
# 钝化掩蔽过程
y np.linspace(0.4,1, 7)
y np.pad(y, (4, 4), modeconstant, constant_values[0.4, 1])fig plt.figure(figsize(16, 8))
ax_1 fig.add_subplot(2, 2, 1)
ax_1.plot(y, -, labely)
ax_1.legend(locbest, fontsize12)kernel np.array([0.2, 0.6, 0.2])
y_bar np.convolve(y, kernel, same)y_bar y_bar[1:-1]
ax_2 fig.add_subplot(2, 2, 2)
ax_2.plot(y_bar, -, labelSmooth)
ax_2.legend(locbest, fontsize12)y y[1:-1]
y_mask y - y_barax_3 fig.add_subplot(2, 2, 3)
ax_3.plot(y_mask, -, labely - y_bar)
ax_3.legend(locbest, fontsize12)y_dst y y_mask
y_dst normalize(y_dst)
ax_4 fig.add_subplot(2, 2, 4)
ax_4.plot(y_dst, -, labely y_mask)
ax_4.legend(locbest, fontsize12)plt.tight_layout()
plt.show()# 纯化掩蔽与高提升滤波
img_ori cv2.imread(DIP_Figures/DIP3E_Original_Images_CH03/Fig0338(a)(blurry_moon).tif, 0)kernel_31 gauss_kernel((9, 9), sigma1)
img_31 separate_kernel_conv2D(img_ori, kernelkernel_31)
img_31 np.uint8(normalize(img_31) * 255)img_diff img_ori - img_31img_dst_1 img_ori img_diff
img_dst_1 np.uint8(normalize(img_dst_1) * 255)img_dst_2 img_ori 2 * img_diff
img_dst_2 np.uint8(normalize(img_dst_2) * 255)img_dst_3 img_ori - 3 * img_diff
img_dst_3 np.uint8(normalize(img_dst_3) * 255)plt.figure(figsize(15, 12))
plt.subplot(2,3,1), plt.imshow(img_ori, gray, vmax255), plt.title(Original), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,2), plt.imshow(img_31, gray, vmax255), plt.title(Smooth), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,3), plt.imshow(img_diff, gray, vmax255), plt.title(Diff), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,4), plt.imshow(img_dst_1, gray, vmax255), plt.title(k 1), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,5), plt.imshow(img_dst_2, gray, vmax255), plt.title(k 2), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,6), plt.imshow(img_dst_2, gray, vmax255), plt.title(k 3), plt.xticks([]), plt.yticks([])
plt.tight_layout()
plt.show()
