這里寫目錄標(biāo)題

• 平滑（低通）空間濾波器
• • • 盒式濾波器核

平滑（低通）空間濾波器

平滑（也稱平均）空間濾波器用于降低灰度的急劇過渡

• 在圖像重取樣之前平滑圖像以減少混淆
• 用于減少圖像中無關(guān)細節(jié)
• 平滑因灰度級數(shù)量不足導(dǎo)致的圖像中的偽輪廓
• 平滑核與一幅圖像的卷積會模糊圖像

盒式濾波器核

盒式核是最簡單的可分離低通濾波器，其系數(shù)的值相同（通常為1）
$m\times n$的盒式濾波器為1的一個$m\times n$的陣列，其前面有一個歸一化的常數(shù)，通過是1除以系數(shù)值之和（通過是$1/mn$）

def box_filter(image, kernel):""":param image: input image:param kernel: input kernel:return: image after convolution"""img_h = image.shape[0]img_w = image.shape[1]m = kernel.shape[0]n = kernel.shape[1]# paddingpadding_h = int((m -1)/2)padding_w = int((n -1)/2)image_pad = np.zeros((image.shape[0]+padding_h*2, image.shape[1]+padding_w*2), np.uint8)image_pad[padding_h:padding_h+img_h, padding_w:padding_w+img_w] = imageimage_convol = image.copy()for i in range(padding_h, img_h + padding_h):for j in range(padding_w, img_w + padding_w):temp = np.sum(image_pad[i-padding_h:i+padding_h+1, j-padding_w:j+padding_w+1] * kernel)image_convol[i - padding_h][j - padding_w] = temp # 1/(m * n) * tempreturn image_convol # 盒式濾波器核 img = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH03/Fig0333(a)(test_pattern_blurring_orig).tif', 0)kernel_size = [3, 11, 21]fig = plt.figure(figsize=(10, 10)) for i in range(len(kernel_size) + 1):ax = fig.add_subplot(2, 2, i+1)if i == 0:ax.imshow(img, cmap='gray', vmin=0, vmax=255), ax.set_xticks([]), ax.set_yticks([])ax.set_title('Original')else:kernel = np.ones([kernel_size[i-1], kernel_size[i-1]])kernel = kernel / kernel.sizeimg_dst = box_filter(img, kernel)ax.imshow(img_dst, cmap='gray', vmin=0, vmax=255), ax.set_xticks([]), ax.set_yticks([])ax.set_title(f'kernel size {kernel_size[i-1]}') plt.tight_layout() plt.show()

# 盒式濾波器核 可分離核的效果 img = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH03/Fig0333(a)(test_pattern_blurring_orig).tif', 0)kernel_size = [3, 11, 21]fig = plt.figure(figsize=(10, 10)) for i in range(len(kernel_size) + 1):ax = fig.add_subplot(2, 2, i+1)if i == 0:ax.imshow(img, cmap='gray', vmin=0, vmax=255), ax.set_xticks([]), ax.set_yticks([])ax.set_title('Original')else:kernel = np.ones([kernel_size[i-1], kernel_size[i-1]])kernel = kernel / kernel.sizeimg_dst = separate_kernel_conv2D(img, kernel)img_dst = normalize(img_dst) * 255ax.imshow(img_dst, cmap='gray', vmin=0, vmax=255), ax.set_xticks([]), ax.set_yticks([])ax.set_title(f'kernel size {kernel_size[i-1]}') plt.tight_layout() plt.show()

總結(jié)

以上是生活随笔為你收集整理的第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波13 - 平滑低通滤波器 -盒式滤波器核的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。