当前位置：首页 > 资讯 > 技术文档

python数字图像处理之高级滤波代码详解

时间：2021-09-16 17:19 编辑：来源：阅读：
扫一扫，手机访问

摘要：python数字图像处理之高级滤波代码详解

本文提供许多的滤波方法，这些方法放在filters.rank子模块内。这些方法需要用户自己设定滤波器的形状和大小，因此需要导入morphology模块来设定。 [b]1、autolevel[/b] 这个词在photoshop里面翻译成自动色阶，用局部直方图来对图片进行滤波分级。该滤波器局部地拉伸灰度像素值的直方图，以覆盖整个像素值范围。格式：skimage.filters.rank.autolevel(image, selem） selem表示结构化元素，用于设定滤波器。

from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
auto =sfr.autolevel(img, disk(5)) #半径为5的圆形滤波器

plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)

plt.subplot(122)
plt.title('filted image')
plt.imshow(auto,plt.cm.gray)

[img]http://files.jb51.net/file_images/article/201711/2017112391423893.jpg?2017102391437[/img] [b]2、bottomhat 与 tophat[/b] bottomhat: 此滤波器先计算图像的形态学闭运算，然后用原图像减去运算的结果值，有点像黑帽操作。 bottomhat: 此滤波器先计算图像的形态学开运算，然后用原图像减去运算的结果值，有点像白帽操作。格式： skimage.filters.rank.bottomhat(image, selem） skimage.filters.rank.tophat(image, selem） selem表示结构化元素，用于设定滤波器。下面是bottomhat滤波的例子：

from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
auto =sfr.bottomhat(img, disk(5)) #半径为5的圆形滤波器

plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)

plt.subplot(122)
plt.title('filted image')
plt.imshow(auto,plt.cm.gray)

[img]http://files.jb51.net/file_images/article/201711/2017112391531035.png?2017102391545[/img] [b]3、enhance_contrast[/b] 对比度增强。求出局部区域的最大值和最小值，然后看当前点像素值最接近最大值还是最小值，然后替换为最大值或最小值。函数： enhance_contrast(image, selem） selem表示结构化元素，用于设定滤波器。

from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
auto =sfr.enhance_contrast(img, disk(5)) #半径为5的圆形滤波器

plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)

plt.subplot(122)
plt.title('filted image')
plt.imshow(auto,plt.cm.gray)

[img]http://files.jb51.net/file_images/article/201711/2017112391623066.png?2017102391637[/img] [b]4、entropy[/b] 求局部熵，熵是使用基为2的对数运算出来的。该函数将局部区域的灰度值分布进行二进制编码，返回编码的最小值。函数格式：entropy(image, selem） selem表示结构化元素，用于设定滤波器。

from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
dst =sfr.entropy(img, disk(5)) #半径为5的圆形滤波器

plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)

plt.subplot(122)
plt.title('filted image')
plt.imshow(dst,plt.cm.gray)

[img]http://files.jb51.net/file_images/article/201711/2017112391712303.png?2017102391726[/img] [b]5、equalize[/b] 均衡化滤波。利用局部直方图对图像进行均衡化滤波。函数格式：equalize(image, selem） selem表示结构化元素，用于设定滤波器。

from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
dst =sfr.equalize(img, disk(5)) #半径为5的圆形滤波器

plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)

plt.subplot(122)
plt.title('filted image')
plt.imshow(dst,plt.cm.gray)

[img]http://files.jb51.net/file_images/article/201711/2017112391826556.jpg?2017102391839[/img] [b]6、gradient[/b] 返回图像的局部梯度值（如：最大值-最小值），用此梯度值代替区域内所有像素值。函数格式：gradient(image, selem） selem表示结构化元素，用于设定滤波器。

from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
dst =sfr.gradient(img, disk(5)) #半径为5的圆形滤波器

plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)

plt.subplot(122)
plt.title('filted image')
plt.imshow(dst,plt.cm.gray)

[img]http://files.jb51.net/file_images/article/201711/2017112391928105.png?2017102391941[/img] [b]7、其它滤波器[/b] 滤波方式很多，下面不再一一详细讲解，仅给出核心代码，所有的函数调用方式都是一样的。最大值滤波器（maximum):返回图像局部区域的最大值，用此最大值代替该区域内所有像素值。 [code]dst =sfr.maximum(img, disk(5)) [/code] 最小值滤波器（minimum)：返回图像局部区域内的最小值，用此最小值取代该区域内所有像素值。 [code]dst =sfr.minimum(img, disk(5))[/code] 均值滤波器（mean) : 返回图像局部区域内的均值，用此均值取代该区域内所有像素值。 [code]dst =sfr.mean(img, disk(5)) [/code] 中值滤波器（median): 返回图像局部区域内的中值，用此中值取代该区域内所有像素值。 [code]dst =sfr.median(img, disk(5))[/code] 莫代尔滤波器（modal) : 返回图像局部区域内的modal值，用此值取代该区域内所有像素值。 [code]dst =sfr.modal(img, disk(5))[/code] otsu阈值滤波（otsu): 返回图像局部区域内的otsu阈值，用此值取代该区域内所有像素值。 [code]dst =sfr.otsu(img, disk(5))[/code] 阈值滤波（threshhold): 将图像局部区域中的每个像素值与均值比较，大于则赋值为1，小于赋值为0，得到一个二值图像。 [code]dst =sfr.threshold(img, disk(5)) [/code] 减均值滤波（subtract_mean): 将局部区域中的每一个像素，减去该区域中的均值。 [code]dst =sfr.subtract_mean(img, disk(5))[/code] 求和滤波（sum) :求局部区域的像素总和，用此值取代该区域内所有像素值。 [code]dst =sfr.sum(img, disk(5))[/code] [b]总结[/b] 以上就是本文关于python数字图像处理之高级滤波代码详解的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站： [url=http://www.1sucai.cn/article/128262.htm][b]Python中turtle作图示例[/b][/url] [url=http://www.1sucai.cn/article/128054.htm][b]python通过opencv实现批量剪切图片[/b][/url] [url=http://www.1sucai.cn/article/127697.htm][b]python好玩的项目—色情图片识别代码分享[/b][/url] 如有不足之处，欢迎留言指出。

全部评论(0)

上一篇：python的unittest测试类代码实例
下一篇：python获取beautifulphoto随机某图片代码实例

资讯排行榜
更多>>