图像处理-图像锐化

先体总结: 锐化就是增加便边缘和轮廓信息
平滑滤波器主要是使用邻域的均值(或者中值、积分)来代替模板中心的像素,消弱和邻域间的差别,以达到平滑图像和抑制噪声的目的;模糊图像,称为低通滤波器

锐化滤波器则使用邻域的微分作为算子,增大邻域间像素的差值,使图像的突变部分变的更加明显。锐化的作用是加强图像的边沿和轮廓,通常也成为高通滤波器

使用二阶微分进行图像锐化——拉普拉斯算子(Laplace)
先定义一个二阶微分的离散公式,然后构造一个基于该公式的滤波器模板,然后再把该模板与原图片卷积,从而实现锐化。
拉普拉斯算法模板
图像处理-图像锐化_第1张图片

§ Laplacian()
void cv::Laplacian    (    InputArray     src,
                                      OutputArray     dst,
                                      int     ddepth,
                                      int     ksize = 1,
                                      double     scale = 1,
                                      double     delta = 0,
                                      int     borderType = BORDER_DEFAULT 
                               )

参数:

src            源图片
dst            与src相同大小和相同通道数的目标图像。
ddepth        目标图像的所需深度。
ksize        用于计算二阶导数滤波器的孔径大小。有关详细信息,请参阅getDerivKernels。大小必须是正面和奇数。
scale        计算的拉普拉斯算子值的可选比例因子。默认情况下,不应用缩放。有关详细信息,请参阅getDerivKernels。
delta        在将结果存储在dst之前添加到结果中的可选增量值。
borderType    像素外推方法,cv :: BorderTypes

代码示例:

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include 

using namespace cv;

int main( int argc, char** argv )
{undefined
    Mat src, dst;
    int kernel_size = 1;
    int scale = 1;
    int delta = 0;
    int ddepth = CV_16S;

    Mat  imageName =  "123.tif";


    src = imread( imageName, IMREAD_GRAYSCALE ); // Load an image

    // Check if image is loaded fine
    if(src.empty()){undefined
        printf(" Error opening image\n");
        printf(" Program Arguments: [image_name -- default ../data/lena.jpg] \n");
        return -1;
    }

    Mat imageEnhance;
    Mat kernel = (Mat_(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);
    filter2D(src, imageEnhance, CV_8UC3, kernel);
    imshow("filter2D", imageEnhance);

//    GaussianBlur( src, src, Size(3, 3), 0, 0, BORDER_DEFAULT );
//    cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to grayscale

    Mat abs_dst;
    Laplacian( src, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );

    // converting back to CV_8U
    convertScaleAbs( dst, abs_dst );

    imshow( "Laplace Demo", abs_dst );

    Mat sub;
    cv::subtract(imageEnhance, abs_dst, sub);

    // 计算图像的最大最小值
    double pixMin,pixMax;
    cv::minMaxLoc(sub,&pixMin,&pixMax);
    std::cout << "min_a=" << pixMin << " max_b=" << pixMax << std::endl;

    waitKey(0);

    return 0;
}


filter2D用算子(0,1,0, 1,-4,1, 0,1,0)和Laplacian函数ksize==1时效果一样;
k_size=3时:

例子2:
思路:单独创建模板,使用卷积进行锐化

#include 
#include 

using namespace cv;
using namespace std;

int main(int artc, char** argv) {
	Mat src = imread("./test.png");
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input", CV_WINDOW_AUTOSIZE);
	imshow("input", src);

	Mat sharpen_op = (Mat_(3, 3) << 0, -1, 0,
		-1, 5, -1,
		0, -1, 0);

	Mat result;
	filter2D(src, result, CV_32F, sharpen_op);
	convertScaleAbs(result, result);

	imshow("sharpen image", result);

	waitKey(0);
	return 0;
}

你可能感兴趣的:(图像处理,图像处理,opencv,计算机视觉)