差分滤波器的实现及作用于图像提取图像的特征

一. 差分滤波器

差分滤波器对于图像亮度急剧变化的边缘有提取效果，可以获得邻近像素的差值。

二. 差分滤波器形式

竖直差分滤波器 ↑

水平差分滤波器 ↑

对角线差分滤波器 ↑

三. python实现差分滤波器

实验：实现上述三个差分滤波器，并作用于图像，查看图像各个方向上信息提取效果

import cv2import numpy as np# Gray scaledef BGR2GRAY(img):b = img[:, :, 0].copy()g = img[:, :, 1].copy()r = img[:, :, 2].copy()# Gray scaleout = 0.2126 * r + 0.7152 * g + 0.0722 * bout = out.astype(np.uint8)return out# different filterdef different_filter(img, K_size=3):H, W = img.shape# Zero paddingpad = K_size // 2out = np.zeros((H + pad * 2, W + pad * 2), dtype=np.float)out[pad: pad + H, pad: pad + W] = img.copy().astype(np.float)tmp = out.copy()out_v = out.copy()out_h = out.copy()out_d = out.copy()# vertical kernelKv = [[0., -1., 0.],[0., 1., 0.],[0., 0., 0.]]# horizontal kernelKh = [[0., 0., 0.],[-1., 1., 0.], [0., 0., 0.]]# diagonal kernelKd = [[-1.,0.,0.],[0.,1.,0.],[0.,0.,0.]]# filteringfor y in range(H):for x in range(W):out_v[pad + y, pad + x] = np.sum(Kv * (tmp[y: y + K_size, x: x + K_size]))out_h[pad + y, pad + x] = np.sum(Kh * (tmp[y: y + K_size, x: x + K_size]))out_d[pad + y, pad + x] = np.sum(Kd * (tmp[y: y + K_size, x: x + K_size]))out_v = np.clip(out_v, 0, 255)out_h = np.clip(out_h, 0, 255)out_d = np.clip(out_d, 0, 255)out_v = out_v[pad: pad + H, pad: pad + W].astype(np.uint8)out_h = out_h[pad: pad + H, pad: pad + W].astype(np.uint8)out_d = out_d[pad: pad + H, pad: pad + W].astype(np.uint8)return out_v, out_h, out_d# Read imageimg = cv2.imread("../gezi.jpg").astype(np.float)# grayscalegray = BGR2GRAY(img)# different filteringout_v, out_h,out_d = different_filter(gray, K_size=3)# Save resultcv2.imwrite("out_v.jpg", out_v)cv2.imshow("result_v", out_v)cv2.imwrite("out_h.jpg", out_h)cv2.imshow("result_h", out_h)cv2.imwrite("out_d.jpg", out_d)cv2.imshow("result_d", out_d)cv2.waitKey(0)cv2.destroyAllWindows()

四. 实验结果

原图 ↑

水平差分滤波器作用结果 ↑

竖直差分滤波器作用结果 ↑

对角线(左上>右下)差分滤波器作用结果 ↑

可以看到，实验结果如我们之前判断的那样，水平差分滤波器检测出了图像中的竖直特征；竖直差分滤波器检测出了图像中的水平特征；对角线（左上>右下）差分滤波器检测出了图像的对角线（左下>右上）特征。

五. 参考材料：

https://www.cnblogs.com/wojianxin/p/12503415.html

https://www.jianshu.com/p/87c32d5085f6

差分滤波器的实现及作用于图像提取图像的特征相关推荐

java分割图片_OpenCV3 Java分割图像提取图像的RGB三原色（Core.split）
OpenCV中的Mat类型可以理解为一种多维多通道的矩阵,如果一个普通的彩色图像读进来后赋值给一个Mat类型的对象M,那么这个M就是一个二维数组,这个二维数组中的每个元素都是一个含有三个RGB值得数据 ...
使用差分金字塔提取图像边缘 python实现
本文提供一种提取图像边缘的快速算法更多提取图像边缘的方法: 最大-最小滤波器实现图像边缘提取 Prewitt滤波器和Sobel滤波器提取图像边缘拉普拉斯滤波器提取图像边缘差分金字塔提取图像边缘算 ...
Prewitt滤波器的实现，对比Prewitt滤波器和Sobel滤波器提取图像边缘的效果
一. Prewitt滤波器简介 Prewitt是一种常用的检测图像边缘的滤波器,它分为横向和纵向算子,分别用于检测纵向和横向的边缘(注意:横向形式的滤波器检测图像的纵向边缘,纵向形式的滤波器检测图像的 ...
【转】由滤波器系数绘制尺度函数和小波函数图像的Matlab程序
原帖地址:http://blog.csdn.net/LiuHB1127/archive/2007/12/02/1912474.aspx function ScaleWaveFig(h) % -- 函数 ...
由滤波器系数绘制尺度函数和小波函数图像的Matlab程序
function ScaleWaveFig(h) % -- 函数描述 : 由滤波器系数绘制尺度函数和小波函数图像 % M : 标准化常数
4.2 Python图像的图像恢复-组合滤波器
4.2 Python图像的图像恢复-组合滤波器文章目录 4.2 Python图像的图像恢复-组合滤波器 1 算法原理 1.1 混合滤波器 1.2 选择性滤波器 2 代码 3 效果 1 算法原理 1. ...
Python先生，你好！（5）——使用高斯滤波器提取图像特征
Python先生,你好!(5)--使用高斯滤波器提取图像特征 (一)前言 (二)高斯滤波器的python实现 (三)总结 (一)前言高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图 ...
提取图像数据的特征，让机器“看见”
来源:Datawhale 本文约3600字,建议阅读7分钟本文介绍图像特征提取的两种方法,基于结构形态的特征提取与基于几何分布的特征提取. [ 导语 ] 人眼可以看到图像的视觉信息,包括颜色特征.纹 ...
深度学习-CNN提取图像特征
一.卷积层 1.卷积操作 2.特征提取-"X" or "O"? 二.池化(Pooling) 三.Relu 层四.全连接层(Fully connected la ...

差分滤波器的实现及作用于图像提取图像的特征

差分滤波器的实现及作用于图像提取图像的特征相关推荐

最新文章

热门文章