通过使用scipy / numpy，在Python中进行图像处理的高通滤波器

问题描述

|| 我目前正在研究图像处理。在Scipy中，我知道Scipy.signal中有一个中值过滤器。谁能告诉我是否有一个类似于高通滤波器的滤波器？ 谢谢     

解决方法

“高通滤波器”是一个非常通用的术语。有无数个不同的“高通滤波器”可以完成非常不同的工作（例如，如前所述，边缘检测滤波器在技术上是高通滤波器（大多数实际上是带通滤波器），但效果却与之完全不同。您可能已经想到了。） 无论如何，根据您提出的大多数问题，您可能应该查看

scipy.ndimage

而不是

scipy.filter

，尤其是如果您要处理大图像时（ndimage可以执行就地操作，从而节省了存储空间）。记忆）。 作为一个基本示例，展示了几种不同的处理方式：

import matplotlib.pyplot as plt
import numpy as np
from scipy import ndimage
import Image

def plot(data,title):
    plot.i += 1
    plt.subplot(2,2,plot.i)
    plt.imshow(data)
    plt.gray()
    plt.title(title)
plot.i = 0

# Load the data...
im = Image.open(\'lena.png\')
data = np.array(im,dtype=float)
plot(data,\'Original\')

# A very simple and very narrow highpass filter
kernel = np.array([[-1,-1,-1],[-1,8,-1]])
highpass_3x3 = ndimage.convolve(data,kernel)
plot(highpass_3x3,\'Simple 3x3 Highpass\')

# A slightly \"wider\",but sill very simple highpass filter 
kernel = np.array([[-1,1,4,-1]])
highpass_5x5 = ndimage.convolve(data,kernel)
plot(highpass_5x5,\'Simple 5x5 Highpass\')

# Another way of making a highpass filter is to simply subtract a lowpass
# filtered image from the original. Here,we\'ll use a simple gaussian filter
# to \"blur\" (i.e. a lowpass filter) the original.
lowpass = ndimage.gaussian_filter(data,3)
gauss_highpass = data - lowpass
plot(gauss_highpass,r\'Gaussian Highpass,$\\sigma = 3 pixels$\')

plt.show()

    ,一种简单的高通滤波器是：

-1 -1 -1
-1  8 -1
-1 -1 -1

Sobel运算符是另一个简单的示例。 在图像处理中，这些类型的过滤器通常称为“边缘检测器”-上次我检查时Wikipedia页面还可以。     ,这是我们如何设计with4 design的HPF

from skimage.io import imread
import matplotlib.pyplot as plt
import scipy.fftpack as fp

im = np.mean(imread(\'../images/lena.jpg\'),axis=2) # assuming an RGB image
plt.figure(figsize=(10,10))
plt.imshow(im,cmap=plt.cm.gray)
plt.axis(\'off\')
plt.show()

原始图片

F1 = fftpack.fft2((im).astype(float))
F2 = fftpack.fftshift(F1)
plt.figure(figsize=(10,10))
plt.imshow( (20*np.log10( 0.1 + F2)).astype(int),cmap=plt.cm.gray)
plt.show()

FFT频谱

(w,h) = im.shape
half_w,half_h = int(w/2),int(h/2)

# high pass filter
n = 25
F2[half_w-n:half_w+n+1,half_h-n:half_h+n+1] = 0 # select all but the first 50x50 (low) frequencies
plt.figure(figsize=(10,10))
plt.imshow( (20*np.log10( 0.1 + F2)).astype(int))
plt.show()

阻止频谱中的低频

im1 = fp.ifft2(fftpack.ifftshift(F2)).real
plt.figure(figsize=(10,10))
plt.imshow(im1,cmap=\'gray\')
plt.axis(\'off\')
plt.show()

应用HPF后输出图像     ,scipy.filter包含大量的通用过滤器。可以将iirfilter类之类的东西配置为产生典型的Chebyshev或Buttworth数字或模拟高通滤波器。     ,您可以使用高斯滤镜，因为它比纯净的HPF清晰度高。要使用简单的HPF，可以使用以下代码

import numpy as np
import cv2
from scipy import ndimage

class HPF(object):
    def __init__(self,kernel,image):
        self.kernel = np.array(kernel)
        self.image = image

    def process(self):
        return ndimage.convolve(self.image,self.kernel)


if __name__ == \"__main__\":
    #enter ur image location
    image = cv2.imread(\"images/test2.jpg\",0)
    kernel3x3 = [[-1,-1]]
    kernel5x5 = [[-1,-1]]

    hpf1 = HPF(kernel3x3,image)
    hpfimage1 = hpf1.process()
    hpf2 = HPF(kernel5x5,image)
    hpfimage2 = hpf2.process()
    cv2.imshow(\"3x3\",hpfimage1)
    cv2.imshow(\"5x5\",hpfimage2)
    cv2.waitKey()
    cv2.destroyAllWindows()

要使用高斯滤镜，只需将高斯模糊添加到图像中

blurred = cv2.GaussianBlur(image,(11,11),0)

然后从原始图像减去它

g_hpf = image - blurred

原始代码摘自：使用Python和OpenCV通过高通滤波器对图像进行锐化