Python代码：数字图像处理（DIP）7.1.2子带编码example7.2

Subband Coding

例子实现的代码如下：

import cv2
import numpy as np
from matplotlib import pyplot as pltdef correl_1D(img, window, direction = 'Row'):      m = window.shape[0]img2 = np.zeros(img.shape)if direction == 'Row':img1 = np.zeros([img.shape[0] + m-1, img.shape[1]])filter2d = np.zeros([m, img.shape[1]])img1[(m-1)//2:(img.shape[0]+(m-1)//2),:] = imgfor i in range(img.shape[1]):filter2d[:,i] = windowfor j in range(img.shape[0]):temp = img1[j:j+m, :]img2[j, :] = np.sum(np.multiply(temp, filter2d), 0)if direction == 'Column':img1 = np.zeros([img.shape[0], img.shape[1] + m-1])filter2d = np.zeros([img.shape[0], m])img1[:,(m-1)//2:(img.shape[1]+(m-1)//2)] = imgfor i in range(img.shape[0]):filter2d[i,:] = windowfor j in range(img.shape[1]):temp = img1[:, j:j+m]img2[:, j] = np.sum(np.multiply(temp, filter2d), 1)return img2  def Downsampler2d(img, direction = 'Row', factor=2):#默认下采样因子为 2factor = int(factor)m = img.shape[0]n = img.shape[1]if direction == 'Row':newimg = np.zeros([int(m / factor), n])for i in range(newimg.shape[0]):newimg[i,:] = img[factor*i, :]if direction == 'Column':newimg = np.zeros([m, int(n / factor)])for i in range(newimg.shape[1]):newimg[:,i] = img[:, factor*i]return newimgdef Orthonormal_filter(g0):K = len(g0)g1 = np.zeros([K,])h0 = np.zeros([K,])h1 = np.zeros([K,])for n in range(K):g1[n] = (-1)**n * g0[K - 1 - n]h0[n] = g0[K - 1 - n]h1[n] = g1[K - 1 - n]return (g1, h0, h1)g0 = np.array([0.23037781, 0.71484657, 0.63088076, -0.02798376,-0.18703481, 0.03084138, 0.03288301, -0.01059740])(g1,h0,h1) = Orthonormal_filter(g0)
img = cv2.imread('original.jpg',0)
img_1 = correl_1D(img, h0, 'Row')
img_1 = Downsampler2d(img_1,'Row')
#近似子带
img_a = correl_1D(img_1, h0, 'Column')
img_a = Downsampler2d(img_a,'Column')
plt.imsave('subband_approximation.jpg', img_a, cmap='gray')
#垂直细节子带
img_c = correl_1D(img_1, h1, 'Column')
img_c = Downsampler2d(img_c,'Column')
plt.imsave('subband_vertical detail.jpg', img_c, cmap='gray')
#水平细节子带
img_2 = correl_1D(img, h1, 'Row')
img_2 = Downsampler2d(img_2,'Row')
img_b = correl_1D(img_2, h0, 'Column')
img_b = Downsampler2d(img_b,'Column')
plt.imsave('subband_horizontal detail.jpg', img_b, cmap='gray')
#对角线细节子带
img_d = correl_1D(img_2, h1, 'Column')
img_d = Downsampler2d(img_d,'Column')
plt.imsave('subband_diagonal detail.jpg', img_d, cmap='gray')

这里的卷积函数和下采样函数都是一维且带有方向的
结果如下:
原图

近似子带

水平细节子带

垂直细节子带

对角线细节子带

Python代码：数字图像处理（DIP）7.1.2子带编码example7.2相关推荐

第1章 Python 数字图像处理(DIP) --绪论
Python 数字图像处理关于本专栏此专栏为 Python 数字图像处理(DIP)(冈萨雷斯版),专栏里文章的内容都是来自书里,全部手打,非OCR,因为很多公式,都是用LaTex输入,力求更好看的 ...
基于python的数字图像处理--学习笔记（三）
基于python的数字图像处理--学习笔记(三) 前言一.灰度拉伸二.幂律(伽马)变换三.对数变换前言进入冈萨雷斯的第三章内容,并用python实现功能.我更改了代码源,之前找到太烂了,代码 ...
数字图像处理——实验一 Python中数字图像处理的基本操作
数字图像处理--实验一 Python中数字图像处理的基本操作一.实验目的二.实验主要仪器设备三.实验原理 3.1 数字图像的表示和类别 3.2 opencv-python图像文件格式四.实验内 ...
第2章 Python 数字图像处理(DIP) --数字图像基础5 -- 算术运算、集合、几何变换、傅里叶变换等
目录数字图像处理所有的基本数字工具介绍算术运算集合运算和逻辑运算空间运算向量与矩阵运算图像变换图像和随机变量数字图像处理所有的基本数字工具介绍算术运算 # 相加 img_ori = ...
Python实现数字图像处理之5种彩色空间转换（单图+多图+视频）
本文主要运用用Python代码实现了5种彩色空间之间的转换! 具体而言,包括: 1)RGB → CMY: 2) CMY → RGB: 3) RGB → HSI: 4) HSI → RGB: 5) ...
Python实现数字图像处理经典算法之256色转灰度图
算法介绍 256色转灰度图是数字图像处理经典算法中最简单的算法之一 1.彩色数字图像中的颜色有红.绿.蓝三种颜色混合而成,对应的像素颜色通道就是RGB(R,G,B),R.G.B数值共有256个数值,也 ...
python完成数字图像处理小练习
之前简单学习了python后着迷于anaconda里各种完善丰富的包和jupyter notebook这种友好的ide.正好有一份数字图像处理的小练习,若从零开始用matlab实在折腾,决定用pyth ...
【python】数字图像处理课程设计：彩色图像复原
先上效果图,对于jpg图片,在一分钟内处理完成,以下分别是原始图片,彩色图像,自动裁剪等优化后的图像. 对于tif图片,在三分钟内处理完成,以下分别是原始图片,彩色图像,裁剪等优化后的图像.(原图为6 ...
第6章 Python 数字图像处理(DIP) - 彩色图像处理2 - 灰度分层（灰度分割）和彩色编码，灰度值到彩色变换，Gray to RGB
第6章主要讲的是彩色图像处理,一些彩色模型如RGB,CMK,CMYK,HSI等色彩模型:彩色模型的变换关系:还包含由灰度图像怎样处理成假彩色图像:使用彩色分割图像等.本章比较少理论还有变换的描述,主要 ...
第5章 Python 数字图像处理(DIP) - 图像复原与重建1 - 高斯噪声
本章主要讲图像复原与重建,首先是了解一下各种噪声的特点与模型,还有形成的方法.一些重点的噪声,如高斯噪声,均匀噪声,伽马噪声,指数噪声,还有椒盐噪声等. 本章主要的噪声研究方法主要是加性噪声. 标题 ...

Python代码：数字图像处理（DIP）7.1.2子带编码example7.2

Subband Coding

Python代码：数字图像处理（DIP）7.1.2子带编码example7.2相关推荐

最新文章

热门文章