python數(shù)字圖像處理之圖像簡單濾波實現(xiàn)
引言
對圖像進行濾波，可以有兩種效果：一種是平滑濾波，用來抑制噪聲；另一種是微分算子，可以用來檢測邊緣和特征提取。
skimage庫中通過filters模塊進行濾波操作。
1、sobel算子
sobel算子可用來檢測邊緣
函數(shù)格式為：skimage.filters.sobel(image, mask=None)
from skimage import data,filters import matplotlib.pyplot as plt img = data.camera() edges = filters.sobel(img) plt.imshow(edges,plt.cm.gray)
2、roberts算子
roberts算子和sobel算子一樣，用于檢測邊緣
調用格式也是一樣的：
edges = filters.roberts(img)
3、scharr算子
功能同sobel，調用格式：
edges = filters.scharr(img)
4、prewitt算子
功能同sobel，調用格式：
edges = filters.prewitt(img)
5、canny算子
canny算子也是用于提取邊緣特征，但它不是放在filters模塊，而是放在feature模塊
函數(shù)格式：skimage.feature.canny(image，sigma=1.0)
可以修改sigma的值來調整效果
from skimage import data,filters,feature
import matplotlib.pyplot as plt
img = data.camera()
edges1 = feature.canny(img) #sigma=1
edges2 = feature.canny(img,sigma=3) #sigma=3
plt.figure('canny',figsize=(8,8))
plt.subplot(121)
plt.imshow(edges1,plt.cm.gray)
plt.subplot(122)
plt.imshow(edges2,plt.cm.gray)
plt.show()
從結果可以看出，sigma越小，邊緣線條越細小。
6、gabor濾波
gabor濾波可用來進行邊緣檢測和紋理特征提取。
函數(shù)調用格式：skimage.filters.gabor_filter(image, frequency)
通過修改frequency值來調整濾波效果，返回一對邊緣結果，一個是用真實濾波核的濾波結果，一個是想象的濾波核的濾波結果。
from skimage import data,filters
import matplotlib.pyplot as plt
img = data.camera()
filt_real, filt_imag = filters.gabor_filter(img,frequency=0.6)
plt.figure('gabor',figsize=(8,8))
plt.subplot(121)
plt.title('filt_real')
plt.imshow(filt_real,plt.cm.gray)
plt.subplot(122)
plt.title('filt-imag')
plt.imshow(filt_imag,plt.cm.gray)
plt.show()
以上為frequency=0.6的結果圖。
以上為frequency=0.1的結果圖
7、gaussian濾波
多維的濾波器，是一種平滑濾波，可以消除高斯噪聲。
調用函數(shù)為：skimage.filters.gaussian_filter(image, sigma)
通過調節(jié)sigma的值來調整濾波效果
from skimage import data,filters
import matplotlib.pyplot as plt
img = data.astronaut()
edges1 = filters.gaussian_filter(img,sigma=0.4) #sigma=0.4
edges2 = filters.gaussian_filter(img,sigma=5) #sigma=5
plt.figure('gaussian',figsize=(8,8))
plt.subplot(121)
plt.imshow(edges1,plt.cm.gray)
plt.subplot(122)
plt.imshow(edges2,plt.cm.gray)
plt.show()
可見sigma越大，過濾后的圖像越模糊
8、median
中值濾波，一種平滑濾波，可以消除噪聲。
需要用skimage.morphology模塊來設置濾波器的形狀。
from skimage import data,filters
import matplotlib.pyplot as plt
from skimage.morphology import disk
img = data.camera()
edges1 = filters.median(img,disk(5))
edges2= filters.median(img,disk(9))
plt.figure('median',figsize=(8,8))
plt.subplot(121)
plt.imshow(edges1,plt.cm.gray)
plt.subplot(122)
plt.imshow(edges2,plt.cm.gray)
plt.show()
從結果可以看出，濾波器越大，圖像越模糊。
9、水平、垂直邊緣檢測
上邊所舉的例子都是進行全部邊緣檢測，有些時候我們只需要檢測水平邊緣，或垂直邊緣，就可用下面的方法。
水平邊緣檢測：sobel_h, prewitt_h, scharr_h
垂直邊緣檢測： sobel_v, prewitt_v, scharr_v
from skimage import data,filters
import matplotlib.pyplot as plt
img = data.camera()
edges1 = filters.sobel_h(img)
edges2 = filters.sobel_v(img)
plt.figure('sobel_v_h',figsize=(8,8))
plt.subplot(121)
plt.imshow(edges1,plt.cm.gray)
plt.subplot(122)
plt.imshow(edges2,plt.cm.gray)
plt.show()
上邊左圖為檢測出的水平邊緣，右圖為檢測出的垂直邊緣。
10、交叉邊緣檢測
可使用Roberts的十字交叉核來進行過濾，以達到檢測交叉邊緣的目的。這些交叉邊緣實際上是梯度在某個方向上的一個分量。
其中一個核：
0 1
-1 0
對應的函數(shù)：
roberts_neg_diag(image）
例：
from skimage import data,filters
import matplotlib.pyplot as plt
img =data.camera()
dst =filters.roberts_neg_diag(img)
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)
另外一個核：
1 0
0 -1
對應函數(shù)為：
roberts_pos_diag(image）
from skimage import data,filters
import matplotlib.pyplot as plt
img =data.camera()
dst =filters.roberts_pos_diag(img)
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)
以上就是python數(shù)字圖像處理之圖像簡單濾波實現(xiàn)的詳細內容，更多關于python數(shù)字圖像處理簡單濾波的資料請關注腳本之家其它相關文章！
相關文章
httptools?是一個?HTTP?解析器，它首先提供了一個?parse_url?函數(shù)，用來解析?URL。這篇文章就來和大家聊聊它的用法吧，感興趣的可以了解一下2023-03-03
這篇文章主要介紹了Numpy的簡單用法小結，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-08-08
這篇文章主要介紹了python mac下安裝虛擬環(huán)境 的相關資料,非常不錯，具有一定的參考借鑒價值，需要的朋友可以參考下2019-04-04
Jupyter Notebook讀取csv文件出現(xiàn)的問題及解決
這篇文章主要介紹了Jupyter Notebook讀取csv文件出現(xiàn)的問題及解決，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-01-01
這篇文章主要介紹了Python魔術方法的的相關資料，文章講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-06-06
說起動態(tài)圖表,最火的莫過于動態(tài)條形圖了,下面這篇文章主要給大家介紹了關于Python制作動態(tài)詞頻條形圖的全過程,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下2021-11-11
這篇文章主要介紹了Python快速生成隨機密碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-08-08
這篇文章主要介紹了Python3刪除排序數(shù)組中重復項的方法,結合實例形式分析了Python3刪除排序數(shù)組重復項的原理、相關遍歷及刪除操作技巧,需要的朋友可以參考下2019-01-01
Python和Anaconda和Pycharm安裝教程圖文詳解
PyCharm是一種PythonIDE，帶有一整套可以幫助用戶在使用Python語言開發(fā)時提高其效率的工具，這篇文章主要介紹了Python和Anaconda和Pycharm安裝教程,需要的朋友可以參考下2020-02-02
python中struct模塊之字節(jié)型數(shù)據(jù)的處理方法
今天小編就為大家分享一篇python中struct模塊之字節(jié)型數(shù)據(jù)的處理方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08