挑战图像处理100问（18）——Emboss滤波器

Emboss滤波器

Emboss滤波器可以使物体轮廓更加清晰，按照以下式子定义：
$$K=\left[\begin{array}{ccc}-2& -1& 0\\ -1& 1& 1\\ 0& 1& 2\end{array}\right]$$

代码实现

import cv2 # 我只用它来做图像读写和绘图，没调用它的其它函数哦
import numpy as np # 进行数值计算

# padding 函数
def padding(img, K_size=3):
	# img 为需要处理图像
	# K_size 为滤波器也就是卷积核的尺寸，这里我默认设为3*3，基本上都是奇数

	# 获取图片尺寸
	H, W, C = img.shape

	pad = K_size // 2 # 需要在图像边缘填充的0行列数，
	# 之所以我要这样设置，是为了处理图像边缘时，滤波器中心与边缘对齐

	# 先填充行
	rows = np.zeros((pad, W, C), dtype=np.uint8)
	# 再填充列
	cols = np.zeros((H+2*pad, pad, C), dtype=np.uint8)
	# 进行拼接
	img = np.vstack((rows, img, rows)) # 上下拼接
	img = np.hstack((cols, img, cols)) # 左右拼接

	return img

# Emboss 滤波函数
def emboss(img, K_size=3):

	# 获取图像尺寸
	H, W, C = img.shape

	# 进行padding
	pad = K_size // 2
	out = padding(img, K_size=3)

	# 纵向滤波器系数
	K = np.array([[-2., -1., 0.],[-1., 1., 1.], [0., 1., 2.]])

	# 进行滤波
	tem = out.copy()

	for h in range(H):
		for w in range(W):
			for c in range(C):

				out[pad+h, pad+w, c] = np.sum(K * tem[h:h+K_size, w:w+K_size, c])
				

	out = np.clip(out, 0, 255)
	
	out = out[pad:pad+H, pad:pad+W].astype(np.uint8)


	return out

# 这里需要把图像先灰度化
# 直接用之前的灰度化代码
# 灰度化函数
def BGR2GRAY(img):

	# 获取图片尺寸
	H, W, C = img.shape

	# 灰度化
	out = np.ones((H,W,3))
	for i in range(H):
		for j in range(W):
			out[i,j,:] = 0.299*img[i,j,0] + 0.578*img[i,j,1] + 0.114*img[i,j,2]

	out = out.astype(np.uint8)

	return out

# 读取图片
path = 'C:/Users/86187/Desktop/image/'


file_in = path + 'imori.jpg' 
file_out = path + 'emboss_filter_imori.jpg'

img = cv2.imread(file_in)

# 调用函数进行灰度化
img = BGR2GRAY(img)
# 调用函数进行emboss滤波
out = emboss(img)

# 保存图片
cv2.imwrite(file_out, out)
cv2.imshow("result", out)

cv2.waitKey(0)
cv2.destroyAllWindows()

结果展示

原图	拉普拉斯提取图像边缘

可以看到，Emboss滤波器能够有效地增强图像的轮廓。