【算法学习】【图像增强】基于拉普拉斯算子的图像锐化
- 转自:基于拉普拉斯算子的图像锐化
- 对于求一个锐化后的像素点(sharpened_pixel),这个基于拉普拉斯算子的简单算法主要是遍历图像中的像素点,根据领域像素确定其锐化后的值
- 计算公式:sharpened_pixel = 5 * current – left – right – up – down ;
//手动实现拉普拉斯算子图像锐化
void sharpenImage1(const Mat &image, Mat &result)
{result.create(image.size(),image.type());//为输出图像分配内容/*拉普拉斯滤波核3*30 -1 0-1 5 -10 -1 0 *///处理除最外围一圈外的所有像素值for(int i=1; i<image.rows-1; i++){const uchar * pre = image.ptr<const uchar>(i-1);//前一行const uchar * cur = image.ptr<const uchar>(i);//当前行,第i行const uchar * next = image.ptr<const uchar>(i+1);//下一行uchar * output = result.ptr<uchar>(i);//输出图像的第i行int ch = image.channels();//通道个数int startCol = ch;//每一行的开始处理点int endCol = (image.cols-1)* ch;//每一行的处理结束点for(int j=startCol; j < endCol; j++){//输出图像的遍历指针与当前行的指针同步递增, 以每行的每一个像素点的每一个通道值为一个递增量, 因为要考虑到图像的通道数//saturate_cast<uchar>保证结果在uchar范围内*output++ = saturate_cast<uchar>(5*cur[j]-pre[j]-next[j]-cur[j-ch]-cur[j+ch]);}}//将最外围一圈的像素值设为0result.row(0).setTo(Scalar(0));result.row(result.rows-1).setTo(Scalar(0));result.col(0).setTo(Scalar(0));result.col(result.cols-1).setTo(Scalar(0));/*/或者也可以尝试将最外围一圈设置为原图的像素值image.row(0).copyTo(result.row(0));image.row(image.rows-1).copyTo(result.row(result.rows-1));image.col(0).copyTo(result.col(0));image.col(image.cols-1).copyTo(result.col(result.cols-1));*/
}//调用OpenCV函数实现拉普拉斯算子图像锐化
void sharpenImage2(const Mat &image, Mat &result)
{Mat kernel = (Mat_<float>(3,3) << 0,-1,0,-1,5,-1,0,-1,0);filter2D(image,result,image.depth(),kernel);
}//main函数
void main(){ Mat mat = imread("images/lena.jpg");Mat result1;Mat result2;sharpenImage1(mat,result1);sharpenImage2(mat,result2);namedWindow("src");namedWindow("result1");namedWindow("result2");imshow("src",mat);imshow("result1",result1);imshow("result2",result2);
}
【算法学习】【图像增强】基于拉普拉斯算子的图像锐化相关推荐
- python 拉普拉斯锐化_OpenCV-python 实现基于拉普拉斯算子的图像锐化
一.基础知识 积分运算的模板卷积可以平滑图像,微分运算的模板卷积可以锐化图像 拉普拉斯算子是一种各向同性的二阶微分算子,根据定义有: 说明:各向同性指图像的性质不会因为方向不同而变化. 将两个分别沿X ...
- OpenCV图像处理 空间域图像增强(图像锐化 1 基于拉普拉斯算子)
http://ggicci.blog.163.com/blog/static/210364096201262123236955/ OpenCV OpenCV 图像锐化 拉普拉斯算子 ( Laplaci ...
- 【OpenCV图像处理入门学习教程四】基于LoG算子的图像边缘检测
OpenCV图像处理入门学习教程系列,上一篇第三篇:基于SIFT特征和SURF特征的微旋转图像拼接与融合生成全景图像的比较 LoG边缘检测算子 LoG边缘检测算子是David Courtnay Mar ...
- 【OpenCV 学习笔记】—— 基于拉普拉斯金字塔的图像融合原理以及C++实现【或许是全网最通俗易懂的讲解】
文章目录 一.高斯金字塔 1.1 什么是高斯金字塔 1.2 利用OpenCV求取高斯金字塔 二.拉普拉斯金字塔 2.1 什么是拉普拉斯金字塔 2.2 利用 OpenCV求取拉普拉斯金字塔 三.基于拉普 ...
- [Python从零到壹] 五十八.图像增强及运算篇之图像锐化Sobel、Laplacian算子实现边缘检测
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 五十七.图像增强及运算篇之图像锐化Roberts、Prewitt算子实现边缘检测
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- OpenCV_基于Laplacian算子的图像边缘增强
下面代码实现了基于Laplacian算子的图像边缘增强 . 算法: 边缘增强图像 = 源图像 + 边缘图像 // 基于Laplacian算子的图像边缘增强 // Author: www.icvpr.c ...
- 数字图像处理(图像增强)——拉普拉斯算子
二阶微分 与微积分中定义的微分略有不同,数字图像中处理的是离散的值,因此对于一维函数的一阶微分的基本定义是差值: ∂f∂x=f(x+1)−f(x)\frac{\partial f}{\partial ...
- [Python从零到壹] 五十九.图像增强及运算篇之图像锐化Scharr、Canny、LOG实现边缘检测
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- 基于拉普拉斯金字塔的图像融合算法
1.内容简介 略 573-可以交流.咨询.答疑 2.内容说明 图像融合所具有的改善图像质量.提高几何配准精度.克服目标提取与识别中图像数据的不完整性 等优点,使得它成为当前重要的信息处理技术,并在遥感 ...
最新文章
- open-falcon_NASA在Falcon 9上带回了蠕虫-其背后的故事是什么?
- python如何使用字典中的值并进行比较_python嵌套字典比较值与取值的实现示例
- ssm框架使用重定向报404_如何在 ASP.NET Core MVC 中处理 404 错误
- 简单介绍java Enumeration(转)
- mysql临时表怎么显示_如何查看MySQL临时表的说明?
- Windows 7 常用快捷键 命令
- Smack+OpenFire搭建IM通信,包含心跳和自动重连(Android实现)
- Python-判断变量类型和继承链-type isinstance
- 通过字符创调用接口中实现类的方法,SpringBean自动注入,
- 从文本中读取 并截取需要的字符串
- anaconda的使用
- linux会计软件,免费好用的会计软件(Manager for Mac)
- vue 项目 跨域问题
- 电脑键盘equals在哪个位置_【电脑键盘在哪里调出来】电脑键盘在哪里找_电脑模拟键盘在哪里...
- DeFi 的纵向扩张:利率协议将带来去中心化金融世界新变革
- 中国现在小学要求计算机课吗,为什么说刚进学校不要买电脑?是用不到吗?
- matlab彩色转灰度图代码,彩色图转灰度图 matlab 实现代码
- 2019亚信科技java实习面试笔试经验分享(已成功入职)
- Vueb报错[WDS] Errors while compiling. Reload prevented
- 基于OpenCV的火焰检测(二)——RGB颜色判据
热门文章
- 46. 考虑使用函数对象而不是函数作为STL算法的参数
- Eureka、Zookeeper、Consul异同点
- struts2之自定义拦截器及拦截器生命周期分析
- java操作hbase使用hbase-client2依赖
- python学生可以学吗_如何劝学生别浪费时间学Python
- python起多进程服务_python 多进程详细总结
- 计算机社团招新个人简历,大学社团招新面试自我介绍五篇
- cartographer探秘第四章之代码解析(六) --- 后端优化 --- 优化求解
- Pytorch—时序数据的加载与简单处理
- 无监督/自监督/半监督的景物分割方法