python 图像处理拉普拉斯算子的实现和改进-LoG和DoG算子

拉普拉斯算子

拉普拉斯算子是最简单的各向同性微分算子，它具有旋转不变性。
我们经常把它作为边缘检测之一，也是工程数学中常用的一种积分变换，也可以用于图像增强、角点检测等等。

这里只给出它的代码，原理可参考其他博客及百科。
在图像处理中，拉普拉斯算子为离散的形式，其核心就是一个3✖3的卷积核。

# 图像增强算法
# 拉普拉斯算子，自编写实现，利用空域卷积运算实现滤波
# 具有图像增强效果，同时亦可用于边缘检测、角点检测import cv2
import numpy as np
import matplotlib.pyplot as pltif __name__ == '__main__':src = cv2.imread('enhance.jpg', 1)plt.subplot(3, 2, 1)plt.imshow(src)plt.axis('off')plt.title('Offical')kernel = np.array([[-1, -1, -1],[2, 2, 2],[-1, -1, -1]])horizontal_edge = cv2.filter2D(src, cv2.CV_32F, kernel)horizontal_edge = cv2.convertScaleAbs(horizontal_edge)# _, horizontal_edge = cv2.threshold(horizontal_edge, horizontal_edge.max() * 0.8, 255, cv2.THRESH_BINARY)plt.subplot(3, 2, 2)plt.imshow(horizontal_edge)plt.axis('off')plt.title('horizontal_edge')kernel = np.array([[-1, 2, -1],[-1, 2, -1],[-1, 2, -1]])vertical_edge = cv2.filter2D(src, ddepth=cv2.CV_32F, kernel=kernel)vertical_edge = cv2.convertScaleAbs(vertical_edge)# _, vertical_edge = cv2.threshold(vertical_edge, vertical_edge.max() * 0.8, 255, cv2.THRESH_BINARY)plt.subplot(3, 2, 3)plt.imshow(vertical_edge)plt.axis('off')plt.title('vertical_edge')kernel = np.array([[-1, -1, 2],[-1, 2, -1],[2, -1, -1]])positive_45_deg_edge = cv2.filter2D(src, ddepth=cv2.CV_32F, kernel=kernel)positive_45_deg_edge = cv2.convertScaleAbs(positive_45_deg_edge)# positive_45_deg_edge = cv2.threshold(positive_45_deg_edge, positive_45_deg_edge.max() * 0.8, 255, cv2.THRESH_BINARY)plt.subplot(3, 2, 4)plt.imshow(positive_45_deg_edge)plt.axis('off')plt.title('positive_45_deg_edge')kernel = np.array([[2, -1, -1],[-1, 2, -1],[-1, -1, 2]])negative_45_deg_edge = cv2.filter2D(src, ddepth=cv2.CV_32F, kernel=kernel)negative_45_deg_edge = cv2.convertScaleAbs(negative_45_deg_edge)# negative_45_deg_edge = cv2.threshold(negative_45_deg_edge, negative_45_deg_edge.max() * 0.8, 255, cv2.THRESH_BINARY)cv2.imshow('negative_45_deg_edge', negative_45_deg_edge)plt.subplot(3, 2, 5)plt.imshow(negative_45_deg_edge)plt.axis('off')plt.title('negative_45_deg_edge')plt.show()

结果展示：

LoG和DoG算子

LoG和DoG算子是拉普拉斯算子的改进方法。

LoG：高斯拉普拉斯算子(LoG,Laplacian of Gaussian)，首先对图像进行高斯暖卷积滤波进行降噪处理，再采用Laplace算子进行边缘检测。

DoG：高斯函数差分(DoG, Difference of Gaussian), 是可以通过将图像与高斯函数进行卷积得到一幅图像的低通滤波结果，即去噪过程，这里的Gaussian和高斯低通滤波器的高斯一样，是一个函数，即为正态分布函数。同时，它对高斯拉普拉斯LoG的近似.

# 图像增强算法
# LoG和DoG算子
# 均为基于拉普拉斯算子的改进
# 可用于边缘检测和角点检测import cv2
import numpy as np
import matplotlib.pyplot as pltdef genGaussianKernel(ksize, sigma):half_ksize = ksize // 2C = 2 * np.pi * sigma * sigmax = y = np.linspace(-half_ksize, half_ksize, ksize)x, y = np.meshgrid(x, y)kernel = np.exp(-(x ** 2 + y ** 2) / (2 * sigma ** 2)) / Creturn kerneldef zerosCrossing(src, thresh):dsize = (src.shape[1], src.shape[0])M = np.array([[1, 0, -1], [0, 1, 0]], dtype=np.float32)shift_left = cv2.warpAffine(src, M, dsize)M = np.array([[1, 0, 1], [0, 1, 0]], dtype=np.float32)shift_right = cv2.warpAffine(src, M, dsize)M = np.array([[1, 0,  0], [0, 1, -1]], dtype=np.float32)shift_up = cv2.warpAffine(src, M, dsize)M = np.array([[1, 0,  0], [0, 1, 1]], dtype=np.float32)shift_down = cv2.warpAffine(src, M, dsize)M = np.array([[1, 0,  1], [0, 1, 1]], dtype=np.float32)shift_right_down = cv2.warpAffine(src, M, dsize)M = np.array([[1, 0,  -1], [0, 1, -1]], dtype=np.float32)shift_left_up = cv2.warpAffine(src, M, dsize)M = np.array([[1, 0,  1], [0, 1, -1]], dtype=np.float32)shift_right_up = cv2.warpAffine(src, M, dsize)M = np.array([[1, 0,  -1], [0, 1, 1]], dtype=np.float32)shift_left_down = cv2.warpAffine(src, M, dsize)shift_left_right_sign = (shift_left * shift_right)shift_up_down_sign = (shift_up * shift_down)shift_rd_lu_sign = (shift_right_down * shift_left_up)shift_ru_ld_sign = (shift_right_up * shift_left_down)shift_left_right_norm = abs(shift_left - shift_right)shift_up_down_norm = abs(shift_up - shift_down)shift_rd_lu_norm = abs(shift_right_down - shift_left_up)shift_ru_ld_norm = abs(shift_right_up - shift_left_down)candidate_zero_crossing = \((shift_left_right_sign < 0) & (shift_left_right_norm > thresh)).astype('uint8') +\((shift_up_down_sign < 0) & (shift_up_down_norm > thresh)).astype('uint8') + \((shift_rd_lu_sign < 0) & (shift_rd_lu_norm > thresh)).astype('uint8') + \((shift_ru_ld_sign < 0) & (shift_ru_ld_norm > thresh)).astype('uint8')ResImg = np.zeros(shape=src.shape, dtype=np.uint8)ResImg[candidate_zero_crossing >= 2] = 255return ResImgdef LoG(src, ksize, sigma=0, thresh=None, alpha=0.01):blur_img = cv2.GaussianBlur(src.astype('float32'), (ksize, ksize), sigmaX=sigma)LoG_img = cv2.Laplacian(blur_img, cv2.CV_32F)if thresh is None:thresh = abs(LoG_img).max() * alphaedge_image = zerosCrossing(LoG_img, thresh)return edge_imagedef DoG(src, ksize, sigma, thresh=None, alpha=0.01):sigma2 = sigma / 1.6kernel_1 = genGaussianKernel(ksize=ksize, sigma=sigma)kernel_2 = genGaussianKernel(ksize=ksize, sigma=sigma2)kernel = kernel_1 - kernel_2DoG_img = cv2.filter2D(src=src, ddepth=cv2.CV_32FC1, kernel=kernel)if thresh is None:thresh = abs(DoG_img).max() * alphaedge_image = zerosCrossing(src=DoG_img, thresh=thresh)return edge_imageif __name__ == "__main__":src = cv2.imread('enhance.jpg', 1)plt.subplot(2, 2, 1)plt.imshow(src)plt.axis('off')plt.title('Offical')edge_log = LoG(src=src, ksize=25, alpha=0.05)plt.subplot(2, 2, 2)plt.imshow(edge_log)plt.axis('off')plt.title('LoG')edge_dog = DoG(src=src, ksize=25, sigma=4, alpha=0.1)plt.subplot(2, 2, 3)plt.imshow(edge_dog)plt.axis('off')plt.title('DoG')plt.show()

结果展示：

python 图像处理拉普拉斯算子的实现和改进-LoG和DoG算子相关推荐

【图像处理】——Python图像分割边缘检测算法之二阶梯度算子（laplace、log、dog算子）
目录一.二阶算子简介二.laplace(拉普拉斯算子) 1.什么是拉普拉斯算子 (1)连续二维函数的二阶导 (2)离散二维函数的二阶导数 2.常用算子模块及代码 3.结果三.log算子 1.什么 ...
数字图像处理与Python实现-边缘检测-高斯差分(DoG)算子边缘检测
高斯差分(DoG)算子边缘检测高斯差分(DoG)算子边缘检测 1. 前言 2. 高斯差分(DoG)算子描述 3. 代码实现 1. 前言在图像中,灰度或结构等信息的突变处称为边缘.边缘可以看作一个区 ...
数字图像处理——拉普拉斯算子【像素级别处理】（python）
数字图像处理--拉普拉斯算子[像素级别处理](python) 文章目录数字图像处理--拉普拉斯算子[像素级别处理](python) 简介: 代码实现简介: 拉普拉斯算子是一种微分算子常在图像处理中 ...
[Python图像处理] 十八.图像锐化与边缘检测之Scharr算子、Canny算子和LOG算子
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
【数字图像处理】图像锐化：拉普拉斯算子（Laplacian）、高通滤波、Sobel算子、Isotropic算子、Prewitt算子
图像锐化图像锐化处理的目的是使模糊的图像变得更加清晰起来,通常针对引起图像模糊的原因而进行相应地锐化操作属于图像复原的内容.图像的模糊实质就是图像受到平均或积分运算造成的,因此可以对图像进行还原运算 ...
Python 图像处理实用指南：1~5
原文:Hands-On Image Processing with Python 协议:CC BY-NC-SA 4.0 译者:飞龙本文来自[ApacheCN 计算机视觉译文集],采用译后编辑(MT ...
Opencv Python图像处理进阶教程②
Opencv Python图像处理进阶教程概述: 代码: https://github.com/bai1231/opencv-learn_and_pratice 1. 图像卷积与应用图像去噪图像 ...
python图像处理《数字图像处理与python实现》读书笔记二:空间滤波
文章目录重要! 第三章空间滤波概览 3.1 空间滤波基础 3.1.1 空间滤波的机理 3.1.2 空间滤波器模板 3.2 平滑处理 3.2.1 平滑线性空间滤波器 3.2.2 统计排序滤波器 3 ...
万字长文告诉新手如何学习Python图像处理（上篇完结四十四） | 「Python」有奖征文
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...

python 图像处理拉普拉斯算子的实现和改进-LoG和DoG算子

拉普拉斯算子

LoG和DoG算子

python 图像处理拉普拉斯算子的实现和改进-LoG和DoG算子相关推荐

最新文章

热门文章

python 图像处理 拉普拉斯算子的实现和改进-LoG和DoG算子

拉普拉斯算子

LoG和DoG算子

python 图像处理 拉普拉斯算子的实现和改进-LoG和DoG算子相关推荐

最新文章

热门文章

python 图像处理拉普拉斯算子的实现和改进-LoG和DoG算子

python 图像处理拉普拉斯算子的实现和改进-LoG和DoG算子相关推荐