使用 scipy/numpy 在 python 中进行图像处理的高通滤波器

Question

我目前正在学习图像处理。在SciPy中，我知道scipy.signal中有一个中值滤波器。有没有类似于高通滤波器的滤波器？

Answer 1

“高通滤波器”是一个非常通用的术语。有无数种不同的“高通滤波器”，它们可以做非常不同的事情（例如，边缘检测滤波器，如前所述，在技术上是高通（大多数实际上是带通）滤波器，但具有与您可能的效果非常不同的效果）无论如何

，根据您提出的大多数问题，您可能应该研究 scipy.ndimage 而不是 scipy.filter，特别是当您要处理大图像时（ndimage 可以预先形成就地操作，节省内存）。

作为一个基本示例，展示了几种不同的处理方式：

import matplotlib.pyplot as plt
import numpy as np
from scipy import ndimage
import Image

def plot(data, title):
    plot.i += 1
    plt.subplot(2,2,plot.i)
    plt.imshow(data)
    plt.gray()
    plt.title(title)
plot.i = 0

# Load the data...
im = Image.open('lena.png')
data = np.array(im, dtype=float)
plot(data, 'Original')

# A very simple and very narrow highpass filter
kernel = np.array([[-1, -1, -1],
                   [-1,  8, -1],
                   [-1, -1, -1]])
highpass_3x3 = ndimage.convolve(data, kernel)
plot(highpass_3x3, 'Simple 3x3 Highpass')

# A slightly "wider", but sill very simple highpass filter 
kernel = np.array([[-1, -1, -1, -1, -1],
                   [-1,  1,  2,  1, -1],
                   [-1,  2,  4,  2, -1],
                   [-1,  1,  2,  1, -1],
                   [-1, -1, -1, -1, -1]])
highpass_5x5 = ndimage.convolve(data, kernel)
plot(highpass_5x5, 'Simple 5x5 Highpass')

# Another way of making a highpass filter is to simply subtract a lowpass
# filtered image from the original. Here, we'll use a simple gaussian filter
# to "blur" (i.e. a lowpass filter) the original.
lowpass = ndimage.gaussian_filter(data, 3)
gauss_highpass = data - lowpass
plot(gauss_highpass, r'Gaussian Highpass, $\sigma = 3 pixels
 
)

plt.show()

Answer 2

以下是我们如何使用 scipy fftpack 设计 HPF

from skimage.io import imread
import matplotlib.pyplot as plt
import scipy.fftpack as fp

im = np.mean(imread('../images/lena.jpg'), axis=2) # assuming an RGB image
plt.figure(figsize=(10,10))
plt.imshow(im, cmap=plt.cm.gray)
plt.axis('off')
plt.show()

原始图像

F1 = fftpack.fft2((im).astype(float))
F2 = fftpack.fftshift(F1)
plt.figure(figsize=(10,10))
plt.imshow( (20*np.log10( 0.1 + F2)).astype(int), cmap=plt.cm.gray)
plt.show()

FFT 频谱

(w, h) = im.shape
half_w, half_h = int(w/2), int(h/2)

# high pass filter
n = 25
F2[half_w-n:half_w+n+1,half_h-n:half_h+n+1] = 0 # select all but the first 50x50 (low) frequencies
plt.figure(figsize=(10,10))
plt.imshow( (20*np.log10( 0.1 + F2)).astype(int))
plt.show()

阻止频谱中的低频

im1 = fp.ifft2(fftpack.ifftshift(F2)).real
plt.figure(figsize=(10,10))
plt.imshow(im1, cmap='gray')
plt.axis('off')
plt.show()

应用 HPF 后的输出图像

Answer 3

一个简单的高通滤波器是：

-1 -1 -1
-1  8 -1
-1 -1 -1

Sobel 运算符 是另一个简单的示例。

在图像处理中，这类过滤器通常称为“边缘检测器” - 维基百科页面 没问题我上次检查过这一点。

Answer 4

scipy.filter 包含大量通用过滤器。类似于 iirfilter 类可以配置为产生典型的切比雪夫或巴特沃斯数字或模拟高通滤波器。

Answer 5

您可以使用高斯滤波器，因为它比纯 HPF 提供更多清晰度，对于使用简单的 HPF，您可以使用以下代码

import numpy as np
import cv2
from scipy import ndimage

class HPF(object):
    def __init__(self, kernel, image):
        self.kernel = np.array(kernel)
        self.image = image

    def process(self):
        return ndimage.convolve(self.image, self.kernel)


if __name__ == "__main__":
    #enter ur image location
    image = cv2.imread("images/test2.jpg", 0)
    kernel3x3 = [[-1,-1,-1],[-1,8,-1],[-1,-1,-1]]
    kernel5x5 = [[-1, -1, -1, -1, -1],
    [-1, 1, 2, 1, -1],
    [-1, 2, 4, 2, -1],
    [-1, 1, 2, 1, -1],
    [-1, -1, -1, -1, -1]]

    hpf1 = HPF(kernel3x3, image)
    hpfimage1 = hpf1.process()
    hpf2 = HPF(kernel5x5, image)
    hpfimage2 = hpf2.process()
    cv2.imshow("3x3",hpfimage1)
    cv2.imshow("5x5",hpfimage2)
    cv2.waitKey()
    cv2.destroyAllWindows()

要使用高斯滤波器，只需将高斯模糊添加到图像中

blurred = cv2.GaussianBlur(image, (11, 11), 0)

然后从原始图像中减去它

g_hpf = image - blurred

原始代码来自： 使用 Python 和 OpenCV 通过高通滤波器进行图像锐化