Python图像处理七：图像空域锐化
一、图像边缘检测
微分算子，可以用来检测边缘和特征提取。skimage 库中通过 filters 模块进
行滤波操作。
1、Roberts 算子
Roberts 算子用于检测边缘，
调用格式：
edges=filters.roberts(image)
也可使用 Roberts 的十字交叉核来进行过滤，以达到检测交叉边缘的目的。
正对角线差分算子对应的函数为：roberts_pos_diag(image)
负对角线差分算子对应的函数为：roberts_neg_diag(image)
例 1：读入一幅数字图像，用 Roberts 算子对图像边缘检测，代码示例如下：
from skimage import data,filters,io
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=12)
img=data.camera()
dst_neg=filters.roberts_neg_diag(img)
dst_pos=filters.roberts_pos_diag(img)
dst=filters.roberts(img)
plt.figure('filters',figsize=(8,8))
plt.subplot(221)
plt.title('原图像',fontproperties=font_set)
plt.imshow(img,plt.cm.gray)
plt.subplot(222)
plt.title('负对角线算子',fontproperties=font_set)
plt.imshow(dst_neg,plt.cm.gray)
plt.subplot(223)
plt.title('正对角线算子',fontproperties=font_set)
plt.imshow(dst_pos,plt.cm.gray)
plt.subplot(224)
plt.title('Robers 算子',fontproperties=font_set)
plt.imshow(dst,plt.cm.gray)
plt.show()
输出：
2、Sobel 算子
sobel 算子函数调用格式为：
edges=filters.sobel(image)
水平边缘检测算子对应的函数为：sobel_h(image)
垂直边缘检测算子对应的函数为：sobel_v(image)
例 2：读入一幅数字图像，用 Sobel 算子对图像边缘检测，代码示例如下：
from skimage import data,filters,io
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=12)
img=data.camera()
img_h=filters.sobel_h(img)
img_v=filters.sobel_v(img)
img_sobel=filters.sobel(img)
plt.figure('filters',figsize=(8,8))
plt.subplot(221)
plt.title('原图像',fontproperties=font_set)
plt.imshow(img,plt.cm.gray)
plt.subplot(222)
plt.title('水平边缘',fontproperties=font_set)
plt.imshow(img_h,plt.cm.gray)
plt.subplot(223)
plt.title('垂直边缘',fontproperties=font_set)
plt.imshow(img_v,plt.cm.gray)
plt.subplot(224)
plt.title('Sobel 算子',fontproperties=font_set)
plt.imshow(img_sobel,plt.cm.gray)
plt.show()
输出：
3、Prewitt 算子
功能同 sobel，
调用格式：
edges=filters.prewitt(image)
水平边缘检测算子对应的函数为：prewitt_h(image)
垂直边缘检测算子对应的函数为：prewitt_v(image)
例 3：读入一幅数字图像，用 Prewitt 算子对图像边缘检测，代码示例如下：
from skimage import data,filters,io
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=12)
img=data.camera()
img_h=filters.prewitt_h(img)
img_v=filters.prewitt_v(img)
img_prewitt=filters.prewitt(img)
plt.figure('filters',figsize=(8,8))
plt.subplot(221)
plt.title('原图像',fontproperties=font_set)
plt.imshow(img,plt.cm.gray)
plt.subplot(222)
plt.title('水平边缘',fontproperties=font_set)
plt.imshow(img_h,plt.cm.gray)
plt.subplot(223)
plt.title('垂直边缘',fontproperties=font_set)
plt.imshow(img_v,plt.cm.gray)
plt.subplot(224)
plt.title('Prewitt 算子',fontproperties=font_set)
plt.imshow(img_prewitt,plt.cm.gray)
plt.show()
输出：
4、Laplacian 算子
函数调用格式：
edges=filters.laplace(image)
例 4：读入一幅数字图像，用 Laplacian 算子对图像边缘检测，代码示例如下：
from skimage import data,filters,io
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=12)
img=data.camera()
img_laplace=filters.laplace(img)
plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('原图像',fontproperties=font_set)
plt.imshow(img,plt.cm.gray)
plt.subplot(122)
plt.title('Laplacian 算子',fontproperties=font_set)
plt.imshow(img_laplace,plt.cm.gray)
plt.show()
输出：
5、LoG 算子
例 5：读入一幅数字图像，用 LoG 算子对图像边缘检测，代码示例如下：
from skimage import data,filters,io
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=12)
img=data.camera()
img_gauss=filters.gaussian(img,sigma=2)
img_laplace=filters.laplace(img)
img_log=filters.laplace(img_gauss)
plt.figure('filters',figsize=(8,8))
plt.subplot(221)
plt.title('原图像',fontproperties=font_set)
plt.imshow(img,plt.cm.gray)
plt.subplot(222)
plt.title('Laplacian 算子',fontproperties=font_set)
plt.imshow(img_laplace,plt.cm.gray)
plt.subplot(223)
plt.title('高斯平滑图像',fontproperties=font_set)
plt.imshow(img_gauss,plt.cm.gray)
plt.subplot(224)
plt.title('LoG 算子',fontproperties=font_set)
plt.imshow(img_log,plt.cm.gray)
plt.show()
输出：
6、对比
from skimage import data,filters,io
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=12)
img=data.camera()
img_gauss=filters.gaussian(img,sigma=2)
img_laplace=filters.laplace(img)
img_log=filters.laplace(img_gauss)
img_sobel=filters.sobel(img)
img_prewitt=filters.prewitt(img)
img_Robers=filters.roberts(img)
plt.figure('filters',figsize=(14,14))
plt.subplot(321)
plt.title('原图像',fontproperties=font_set)
plt.imshow(img,plt.cm.gray)
plt.subplot(322)
plt.title('Laplacian 算子',fontproperties=font_set)
plt.imshow(img_laplace,plt.cm.gray)
plt.subplot(323)
plt.title('Prewitt 算子',fontproperties=font_set)
plt.imshow(img_prewitt,plt.cm.gray)
plt.subplot(324)
plt.title('LoG 算子',fontproperties=font_set)
plt.imshow(img_log,plt.cm.gray)
plt.subplot(325)
plt.title('Robers 算子',fontproperties=font_set)
plt.imshow(img_Robers,plt.cm.gray)
plt.subplot(326)
plt.title('Sobel 算子',fontproperties=font_set)
plt.imshow(img_sobel,plt.cm.gray)
plt.show()
输出：
二、图像空域锐化
由于锐化图像等于原图像加上加重的边缘，只需把原图像与检测出的边缘图像相加即可。
例 6：读入一幅数字图像，用 Laplacian 算子对图像做锐化，代码示例如下：
from skimage import data,filters,io
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=12)
img=data.camera()
img_laplace=filters.laplace(img)
img_1=img+2*img_laplace
plt.figure('filters',figsize=(8,8))
plt.subplot(131)
plt.title('原图像',fontproperties=font_set)
plt.imshow(img,plt.cm.gray)
plt.subplot(132)
plt.title('Laplacian 算子',fontproperties=font_set)
plt.imshow(img_laplace,plt.cm.gray)
plt.subplot(133)
plt.title('锐化图像',fontproperties=font_set)
plt.imshow(img_1,plt.cm.gray)
plt.show()
输出：
每日“大饼”：
把脸一直向着阳光 这样就不会看到阴影