Python数字图像处理,图像处理Python

　　本文主要介绍python数字图像处理中图像简单滤波的一个实例。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。

　　00-1010简介1、sobel算子2、roberts算子3、scharr算子4、prewitt算子5、canny算子6、gabor滤波器7、高斯滤波器8、median9、水平和垂直边缘检测10、交叉边缘检测

目录

　　对图像进行滤波可以有两个作用：一是平滑滤波，抑制噪声；另一种是微分算子，可用于边缘检测和特征提取。

　　过滤器模块用于过滤浏览库。

引言

　　Sobel算子可以用来检测边缘。

　　函数格式为skimage.filters.sobel (image，mask=none)

　　从skimage导入数据，过滤器

　　将matplotlib.pyplot作为plt导入

　　img=data.camera()

　　edges=filters.sobel(img)

　　plt.imshow(边缘，plt.cm.gray)

1、sobel算子

　　Roberts算子与sobel算子一样，用于检测边缘。

　　呼叫格式也是一样的：

　　edges=filters.roberts

2、roberts算子

　　与sobel功能相同，调用格式：

　　edges=filters.scharr(img)

3、scharr算子

　　与sobel功能相同，调用格式：

　　edges=filters.prewitt(img)

4、prewitt算子

　　Canny算子也用于提取边缘特征，但它不是放在滤波器模块中，而是放在特征模块中。

　　函数格式：skimage.feature.canny(image，sigma=1.0)

　　您可以修改sigma的值来调整效果。

　　从skimage导入数据、过滤器、特征

　　将matplotlib.pyplot作为plt导入

　　img=data.camera()

　　edges 1=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()

　　从结果可以看出，越小，边缘线越小。

5、canny算子

　　Gabor滤波可用于边缘检测和纹理特征提取。

　　函数调用格式：skim age . filters . Gabor _ filter(image，frequency)

　　通过修改频率值来调整滤波效果，返回一对边缘结果，一个是实滤波核的滤波结果，一个是虚滤波核的滤波结果。

　　从skimage导入数据，过滤器

　　将matplotlib.pyplot作为plt导入

　　img=data.camera()

　　滤波器

　　_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()

　　以上为frequency=0.6的结果图。

　　以上为frequency=0.1的结果图

7、gaussian滤波

　　多维的滤波器，是一种平滑滤波，可以消除高斯噪声。

调用函数为：skimage.filters.gaussian_filter(image,sigma)

　　

　　通过调节sigma的值来调整滤波效果

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()

　　可见sigma越大，过滤后的图像越模糊

8、median

　　中值滤波，一种平滑滤波，可以消除噪声。

　　需要用skimage.morphology模块来设置滤波器的形状。

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()

　　从结果可以看出，滤波器越大，图像越模糊。

9、水平、垂直边缘检测

　　上边所举的例子都是进行全部边缘检测，有些时候我们只需要检测水平边缘，或垂直边缘，就可用下面的方法。

水平边缘检测：sobel_h, prewitt_h, scharr_h

　　垂直边缘检测： 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()

　　上边左图为检测出的水平边缘，右图为检测出的垂直边缘。

10、交叉边缘检测

　　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。这些交叉边缘实际上是梯度在某个方向上的一个分量。

　　其中一个核：

0 1
-1 0

　　

　　对应的函数：

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)

　　另外一个核：

1 0
0 -1

　　

　　对应函数为：

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数字图像处理之图像简单滤波实现的详细内容，更多关于python数字图像处理简单滤波的资料请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。