|
之前的随笔中使用了C++来编写算法底层逻辑,这次我们直接使用OpenCV和Numpy和Scipy所提供的方法直接调用实现- 1 import cv2
- 2 import numpy
- 3 from scipy import ndimage
- 4
- 5 kernel_3 = numpy.array([
- 6 [-1, -1, -1],
- 7 [-1, 8, -1],
- 8 [-1, -1, -1]
- 9 ])
- 10
- 11 kernel_5 = numpy.array([
- 12 [-1, -1, -1, -1, -1],
- 13 [-1, 1, 2, 1, -1],
- 14 [-1, 2, 4, 2, -1],
- 15 [-1, 1, 2, 1, -1],
- 16 [-1, -1, -1, -1, -1]
- 17 ])
- 18
- 19 img = cv2.imread('Pic.webp', 0)
- 20 k3 = ndimage.convolve(img, kernel_3)
- 21 k5 = ndimage.convolve(img, kernel_5)
- 22 blurred = cv2.GaussianBlur(img, (17, 17), 0)
- 23 hpf = img - blurred
- 24
- 25 cv2.imshow('IMG', img)
- 26 cv2.imshow('K3', k3)
- 27 cv2.imshow('hpf', hpf)
- 28
- 29 cv2.waitKey()
- 30 cv2.destroyAllWindows()
复制代码 随机在网上搜索灰度图然后Down下来保存名字为Pic即可。
19 Line中的 cv2.imread()中的第二个参数很重要,有三种模式,RGB,Gray scale,NoChange,具体请自行搜索。我们需要选择Gray scale即数字0就可以表示了。
至于convolve方法其实可以自己实现,具体参照之前的【图像处理】随笔。
23 Line中的减法作用,bulrred变量被经过高斯低通滤波处理的img赋值,而numpy数组是可以直接进行加减法运算的,此时得到的 hpf 变量就是原图锐化的结果。
来源:https://www.cnblogs.com/vangoghpeng/p/17863202.html
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作! |
|