13.python-opencv图像的高通滤波和低通滤波
第一章 python-opencv-图片导入和显示
第二章 python-opencv图像简单处理
第三章 python-opencv图像mask掩膜处理
第四章 python-opencv图像马赛克
第五章 python-opencv人脸马赛克
第六章 python-opencv人脸检测
第七章 python-opencv图像张贴
第八章 python-opencv轮廓绘制
第九章 python-opencv边缘检测
第十章 python-opencvpython-opencv边缘检测与人脸检测应用
第十一章 python-opencv直方图绘制与直方图均衡
第十二章 python-opencv图像傅里叶变换
文章目录
前言
上一章我们说明了如何将图像机娘傅里叶变换,将图像由时域变换成频域,并将低频移动至图像中心。那么将低频移动中心后,就可以将图像的低频和高频分开,从而进行低通滤波和高通滤波的处理。
; 完整代码
低通滤波
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('./moon.jpg', flags = cv2.IMREAD_GRAYSCALE)
img1 = img/255
dtf = cv2.dft(img1, flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dtf)
h,w = img.shape
h2, w2 = h//2, w//2
mask = np.zeros((h,w,2), dtype=np.uint8)
mask[h2-50:h2+50,w2-50:w2+50] = 1
dft_shift*=mask
ifft_shift2 = np.fft.ifftshift(dft_shift)
result = cv2.idft(ifft_shift2)
plt.figure(figsize=(12,9))
plt.subplot(121)
plt.imshow(img, cmap = 'gray')
plt.subplot(122)
plt.imshow(result[:,:,0], cmap='gray')
plt.show()
高通滤波
高通滤波和低通滤波的主要区别在于,低通滤波是保留中心的低频波去除高频波,高通滤波是去除中心的低频波保留高频波。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('./moon.jpg', flags = cv2.IMREAD_GRAYSCALE)
img1 = img/255
dtf = cv2.dft(img1, flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dtf)
h,w = img.shape
h2, w2 = h//2, w//2
dft_shift[h2-5:h2+5,w2-5:w2+5] = 0
ifft_shift2 = np.fft.ifftshift(dft_shift)
result = cv2.idft(ifft_shift2)
plt.figure(figsize=(12,9))
plt.subplot(121)
plt.imshow(img, cmap = 'gray')
plt.subplot(122)
plt.imshow(result[:,:,0], cmap='gray')
plt.show()
结果展示
改变滤波区域的大小可以改变滤波的程度,可以修改如图所示的代码中的相关部分:
; 低通滤波
高通滤波
Original: https://blog.csdn.net/weixin_45848575/article/details/125411123
Author: 白羊by
Title: python-opencv图像的高通滤波和低通滤波
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/704148/
转载文章受原作者版权保护。转载请注明原作者出处!