前言一、常用非线性锐化滤波器二、可微分图像要求三、基于一阶导数的锐化滤波器---梯度算子(工业检验、产品缺陷检验常用)四、如何求解梯度幅值五，总结代码
首先，非线性滤波器----- 锐化的主要作用是通过突出图像中的过渡部分空间微分来完成(微分算子的响应强度与像素的突变程度成比例)，即图像微分与边缘及其他
一.常用非线性锐化滤波器基于一阶微分的锐化滤波器
基于二阶微分的锐化滤波器
二.可对图像进行微分的要求一阶微分
在一定灰度区域中的一阶微分值为0；
在灰度阶梯、灰度斜率起点，一阶微分值不为0；
沿着灰度斜率的一阶微分值不是0；
二阶微分：
在一定灰度区域的二阶微分值为0；
在灰度阶梯、灰度斜率起点，二阶微分值不为0；
沿灰度斜率的二阶微分值不是0；
可以针对二维数字图像f(x,y)沿两个空间轴处理偏微分；
三、基于一阶导数的锐化滤波器—梯度算子(工业检测常用，产品缺陷检测)在图像中，常用梯度幅度作为基于一阶导数的锐化滤波器来实现；
对于图像f，由任意坐标(x，y )上的梯度df定义二维列向量。
坡度大小定义如下
在实际应用中，一般将梯度的振幅称为梯度，采用绝对值近似求解梯度值：
四.坡度波幅1、直接微分
这里的f函数是图像的对应像素点的灰度值函数
2、交叉差分
1、2用量少，常用sobel运算符
3、sobel算子
垂直方向
水平方向
五.代码import c v2 importnumpyasnpimportcopyoriginalimg=cv2.im read (cns.jpg ) ) r、g、b=cv2.split (original img ) (1，1 )，1，1 )，' edge ' )从g通道嵌入到数据中newimg=np.full )，np.nan )创建一个空的NP数组以存储经过sobel运算符处理的数据forIinrange j-1:j 2] ) x=NP.multiply(tmp，NP.array ) [-1，2，NP.array ([-1，0，1 ]，[-2，0，2 ] ]，[-1，0，0 1] ) ) DF=ABS(NP.sum(x ) ) ABS (NP.sum (NP.sum ) y ) ) ) neeray j-1 )=dfnewimg=NP.uint8(newimg ) #图像边缘上的cv2.nabs 280 ) )填充cv2.g ) cv2.namedwindow(newImg ) (cv2.resizewindow ) newImg )，(280 ) ) cv2.imshow ) newImg )
由于梯度值与相邻像素的灰度值的差分成比例，所以在图像变化慢的区域中值较小，在灰度值急剧变化的部分(边缘等图像的细节)中值较大。 这是图像通过梯度计算使细节清晰锐利的本质。
|
|