Python 使用多种方法对图像进行锐化处理——图像处理

这篇具有很好参考价值的文章主要介绍了Python 使用多种方法对图像进行锐化处理——图像处理。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

通过使用不同方法对图像进行锐化处理,更改参数对比图像显示,代码如下:

# (6)、随机读取一幅图像,对其进行锐化,
#导入库
import cv2
import skimage.filters as af
import  skimage.filters
import matplotlib.pyplot as plt
from PIL import  Image
from PIL import  ImageFilter
from PIL.ImageFilter import  FIND_EDGES,EDGE_ENHANCE,EDGE_ENHANCE_MORE,SHARPEN

# im=Image.open("image_01/肾穿病理镜下图片.png")
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
# 导入图片
img_01=cv2.imread("img.png")
# 转换灰度
img=cv2.cvtColor(img_01, cv2.COLOR_BGR2GRAY)

# 显示图像
def show_img(ax_img,img,title,cmap="gray"):
    ax_img.imshow(img, cmap)
    ax_img.set_title(title)
    ax_img.set_axis_off()

# 方法1:对公式中的总数取不同的值,对比显示实验结果;公式:锐化图像=原始图像+(原始图像-模糊图像)
def fun_01():
    # 高斯滤波器
    img_gaussianBlur = cv2.GaussianBlur(img, (3, 3), 1)
    # 锐化图像=原始图像+(原始图像-模糊图像)
    im_fun_01=img+(img-img_gaussianBlur)*10
    im_fun_02 = img + (img - img_gaussianBlur) * 20
    im_fun_03 = img + (img - img_gaussianBlur) * 30
    fig,(ax_img,im1,im2,im3)=plt.subplots(1,4)
    # 显示图像
    show_img(ax_img,img,"原始图像")
    show_img(im1,im_fun_01,"总数=10")
    show_img(im2,im_fun_02,"总数=20")
    show_img(im3, im_fun_03, "总数=30")
    plt.show()

# 方法2:对参数radius与amount取不同的值,对比显示实验结果;
def fun_02():
    im_upsharp_1= skimage.filters.unsharp_mask(img, radius=1.0, amount=100.0, multichannel=False, preserve_range=False)
    im_upsharp_2=skimage.filters.unsharp_mask(img, radius=2.0, amount=50.0, multichannel=False, preserve_range=False)
    im_upsharp_3 = skimage.filters.unsharp_mask(img, radius=10.0, amount=80.0, multichannel=False, preserve_range=False)
    fig, (ax_img, im1, im2, im3) = plt.subplots(1, 4)
    # 显示图像
    show_img(ax_img, img, "原始图像")
    show_img(im1, im_upsharp_1, "im_upsharp_1")
    show_img(im2, im_upsharp_2, "im_upsharp_2")
    show_img(im3, im_upsharp_3, "im_upsharp_3")
    plt.show()

# 方法3:按照实验指导取不同的参数,对比显示实验结果。
def fun_03():
    im=Image.open("img.png")
    im_01=im.filter(FIND_EDGES)
    im_02=im.filter(EDGE_ENHANCE)
    im_03=im.filter(EDGE_ENHANCE_MORE)
    im_04=im.filter(SHARPEN)
    fig, (ax_img, im1, im2, im3) = plt.subplots(1, 4)
    # 显示图像
    show_img(ax_img,img,"原始图像")
    show_img(im1,im_01,"总数=10")
    show_img(im2,im_02,"总数=20")
    show_img(im3, im_03, "总数=30")
    plt.show()

if __name__ == '__main__':
    fun_01()
    fun_02()
    fun_03()




运行结果:

fun_01()

python 图像锐化,python,图像处理,opencv

fun_02()

python 图像锐化,python,图像处理,opencv

fun_03()

python 图像锐化,python,图像处理,opencv

 文章来源地址https://www.toymoban.com/news/detail-538876.html

 

 

到了这里,关于Python 使用多种方法对图像进行锐化处理——图像处理的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python实现多种图像锐化方法:拉普拉斯算子和Sobel算子

    图像和视频逐渐成为人们生活中信息获取的重要来源,而图像和视频在传输过程中有很多因素可能造成图像模糊,比如不正确的聚焦会产生离焦模糊,景物和照相机的相对运动会造成运动模糊,图像压缩造成的高频成分丢失模糊。 模糊降低了图像的清晰度,严重影响了图像质

    2024年02月04日
    浏览(53)
  • 【matlab 图像处理】图像锐化

    对人眼视觉系统的研究表明,人类对形状的感知一般通过识别边缘、轮廓、前景和背景而形成。在图像处理中,边缘信息也十分重要。边缘是图像中亮度突变的区域,通过计算局部图像区域的亮度差异,从而检测出不同目标或场景各部分之间的边界,是图像锐化,图像分割、区域形状

    2024年02月05日
    浏览(39)
  • “探索图像处理的奥秘:使用Python和OpenCV进行图像和视频处理“

     1、上传图片移除背景后下载。在线抠图软件_图片去除背景 | remove.bg – remove.bg 2、对下载的图片放大2倍。ClipDrop - Image upscaler  3、对放大后的下载照片进行编辑。  4、使用deepfacelive进行换脸。 1)将第三步的照片复制到指定文件夹。C:myAppdeepfakelivetempDeepFaceLive_NVIDIAuserda

    2024年02月16日
    浏览(89)
  • 数字图像处理【4】图像空间滤波-锐化

    对于初学者来说,可能没能搞清楚哪些是图像的高频信息,低频信息指代的是什么。 低频指的就是灰度变化比较小的像素区域 高频指的就是灰度变化比较大的像素区域 所谓灰度变化比较小的图像就是,内容;所谓灰度变化比较大的图像就是,边缘和纹理; 边缘:灰度变化较

    2024年02月10日
    浏览(41)
  • 数字图像处理|图像的平滑和锐化

      彩色图像平滑是一种常见的图像处理技术,旨在减少图像中的噪声和细节,使图像更加平滑和连续。在彩色图像中每个像素由红、绿、蓝三个通道的值组成,因此彩色图像平滑需要对每个通道分别进行处理。常用的彩色图像平滑方法包括均值滤波、高斯滤波、中值滤波等。

    2024年02月08日
    浏览(41)
  • 基于OpenCV的传统视觉应用 -- OpenCV图像处理 图像模糊处理 图像锐化处理

    图像处理是用计算机对图像进行分析,以获取所需结果的过程,又称为影像处理。图像处理一般是指数字图像的处理。数字图像是用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。 均值滤波是指任意一点的像素

    2024年02月07日
    浏览(68)
  • 【图像处理】使用Python进行实时人脸检测和识别

            你有没有想过用Python构建一个面部识别系统?不要再看了!在本教程中,我们将使用 face_recognition 库来检测和识别视频流、图像甚至使用网络摄像头实时检测和识别人脸。         人脸识别和人脸检测是计算机视觉领域的两个独立任务。         人脸检测

    2024年02月13日
    浏览(56)
  • 使用Python和OpenCV进行图像处理和分析

    简介: 图像处理和分析是计算机视觉领域的重要组成部分。本文将介绍如何使用Python编程语言和OpenCV库进行图像处理和分析。我们将涵盖图像读取、显示、滤波、边缘检测和图像分割等常见的图像处理操作,并提供相应的代码示例。 安装OpenCV: 首先,我们需要安装OpenCV库。

    2024年02月12日
    浏览(57)
  • Python图像处理:使用OpenCV对图像进行HSV和RGB表示法的转换

    Python图像处理:使用OpenCV对图像进行HSV和RGB表示法的转换 在图像处理中,我们经常需要使用不同的颜色表示法来处理图像。在OpenCV中,我们可以使用HSV(色相、饱和度、亮度)表示法来替代标准的RGB(红、绿、蓝)表示法来处理图像。HSV表示法更为直观和易于使用,因为它将

    2024年02月06日
    浏览(71)
  • Python使用Opencv图像处理方法完成手势识别(一)

    由于是使用Opencv完成手势识别,所以首先利用颜色特征是对手的颜色进行提取,获得HSV的最小值与最大值。 HSV颜色空间阈值主要是靠 Trackbar 调节阈值和 cv2.inRange 来生成掩膜来提取。 这是我写的HSV阈值获取的代码: 使用方法: 运行代码之后,从第一个依次调节滑块,使画面中

    2024年02月05日
    浏览(71)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包