fanfuhan OpenCV 教學034 ~ opencv-034-圖像銳化 ~邊緣檢測/失焦(對焦失敗) 的前置動作

fanfuhan OpenCV 教學034 ~ opencv-034-圖像銳化 ~邊緣檢測/失焦(對焦失敗) 的前置動作

fanfuhan OpenCV 教學034 ~ opencv-034-圖像銳化 ~邊緣檢測/失焦(對焦失敗) 的前置動作


資料來源: https://fanfuhan.github.io/

https://fanfuhan.github.io/2019/04/09/opencv-034/

GITHUB:https://github.com/jash-git/fanfuhan_ML_OpenCV

知識點
圖像卷積的主要具有三功能分別是圖像的模糊/去噪,圖像梯度/邊緣發現,圖像銳化/增強,前面的兩個功能我們以前通過相關知識點的分享分享了解,學習了相關API的使用。圖像銳化的本質是圖像拉普拉斯濾波加原圖權重表示疊加的輸出:

-1 -1 -1 
-1  C -1 
-1 -1 -1

當C值大於8時表示圖像銳化,越接近8表示銳化效果越好

當C值等於8時圖像的高通濾波

當C值最小,圖像銳化效果在衰減,中心呈現的作用在提升


C++

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

/*
 * 图像锐化
 */
int main() {
    Mat src = imread("../images/test.png");
    if (src.empty()) {
        cout << "could not load image.." << endl;
    }
    imshow("input", src);

    Mat sharpen_op = (Mat_<char>(3,3) << -1, -1, -1,
            -1, 9, -1,
            -1, -1, -1);

    // Mat sharpen_op1 = (Mat_<char>(3,3) << 0, -1, 0,
    //        -1, 9, -1,
    //        0, -1, 0);

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

    imshow("sharpen", dst);

    waitKey(0);
    return 0;
}


Python

import cv2 as cv
import numpy as np

src = cv.imread("D:/images/test.jpg")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)

# sharpen_op = np.array([[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]], dtype=np.float32)
sharpen_op = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], dtype=np.float32)
sharpen_image = cv.filter2D(src, cv.CV_32F, sharpen_op)
sharpen_image = cv.convertScaleAbs(sharpen_image)
cv.imshow("sharpen_image", sharpen_image)

h, w = src.shape[:2]
result = np.zeros([h, w*2, 3], dtype=src.dtype)
result[0:h,0:w,:] = src
result[0:h,w:2*w,:] = sharpen_image
cv.putText(result, "original image", (10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2)
cv.putText(result, "sharpen image", (w+10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2)
cv.imshow("sharpen_image", result)
cv.imwrite("D:/result.png", result)

cv.waitKey(0)
cv.destroyAllWindows()


發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *