python 简单图像处理（11）空间域图像锐化(边缘检测)

您所在的位置：网站首页 › 图像处理轮廓和拉普拉斯算子边缘检测 › python 简单图像处理（11）空间域图像锐化(边缘检测)

python 简单图像处理（11）空间域图像锐化(边缘检测)

2024-07-11 08:17| 来源: 网络整理| 查看: 265

这真是一件悲剧的事，早上，我花了很长时间写了这篇文章

当我快要完成时，然后电脑就蓝屏了，重启后，一切都成了浮云

好啦，没耐心再写那么多了，尽量简单吧

在图像识别中，需要有边缘鲜明的图像，即图像锐化。

图象锐化的目的是为了突出图像的边缘信息，加强图像的轮廓特征，以便于人眼的观察和机器的识别。

在空间域进行图象锐化主要有以下方法

梯度算子其他锐化算子拉普拉斯算子

（1）梯度空间算子

图像的边缘最直观的表现就是边缘两侧的灰度值相差比较大，在微积分中我们学过梯度的概念

梯度是一个列向量，可表示为：

而某点处梯度的模很好的反应了该点两侧的变化大小

所以，梯度值很大的点也就代表了图像的边缘

而在实际计算中，为了降低运算量，一般用一下两种方法来代替模运算

由于数字图像处理中处理的是数字离散信号

所以，我们用差分来等同于连续信号中的微分运算

典型的梯度运算有

而另一种称为Roberts梯度的差分运算可由下来表示

我们来编写程序来实现上面计算

import cv

def Sharp(image,flag1=0,flag2=0): w = image.width h = image.height size = (w,h) iSharp = cv.CreateImage(size,8,1) for i in range(h-1): for j in range(w-1): if flag2 == 0: x = abs(image[i,j+1]-image[i,j]) y = abs(image[i+1,j]-image[i,j]) else: x = abs(image[i+1,j+1]-image[i,j]) y = abs(image[i+1,j]-image[i,j+1]) if flag1 == 0: iSharp[i,j] = max(x,y) else: iSharp[i,j] = x+y return iSharp

image

= cv.LoadImage('lena.jpg',0)iMaxSharp = Sharp(image)iAddSharp = Sharp(image,1)iRMaxSharp = Sharp(image,0,1)iRAddSharp = Sharp(image,1,1)cv.ShowImage('iMaxSharp',iMaxSharp)cv.ShowImage('image',image)cv.ShowImage('iAddSharp',iAddSharp)cv.ShowImage('iRAddSharp',iRAddSharp)cv.ShowImage('iRMaxSharp',iRMaxSharp)cv.WaitKey(0) 我们来看看运行结果

下面是Roberts梯度

可以比较下两种方法的效果

（2）其他锐化算子

利用梯度和差分原理可以组成以下锐化算子

1.Sobel算子

2.Prewitt算子

3.Isotropic算子

好啦，我们还是写程序吧

import cv

def SuanSharp(image,arrayX,arrayY): w = image.width h = image.height size = (w,h) iSuanSharp = cv.CreateImage(size,8,1) tmpX = [0]*9 tmpY = [0]*9 for i in range(1,h-1): for j in range(1,w-1): for k in range(3): for l in range(3): tmpX[k*3+l] = image[i-1+k,j-1+l]*arrayX[k*3+l] tmpX[k*3+l] = image[i-1+k,j-1+l]*arrayX[k*3+l] iSuanSharp[i,j] = sum(tmpX)+sum(tmpY) return iSuanSharp

image

= cv.LoadImage('lena.jpg',0)SobelX = [1,0,-1,2,0,-2,1,0,-1]SobelY = [-1,-2,-1,0,0,0,1,2,1]PrewittX = [1,0,-1,1,0,-1,1,0,-1]PrewittY = [-1,-1,-1,0,0,0,1,1,1]IsotropicX = [1,0,-1,1.414,0,-1.414,1,0,-1]IsotropicY = [-1,-1.414,-1,0,0,0,1,1.414,1]iSobelSharp = SuanSharp(image,SobelX,SobelY)iPrewittSharp = SuanSharp(image,PrewittX,PrewittY)iIsotropicSharp = SuanSharp(image,IsotropicX,IsotropicY)cv.ShowImage('image',image)cv.ShowImage('iPrewittSharp',iPrewittSharp)cv.ShowImage('iSobelSharp',iSobelSharp)cv.ShowImage('iIsotropicSharp',iIsotropicSharp)cv.WaitKey(0)

看看运行效果吧