使用opencv-Python进行图像锐化处理

使用 函数 cv:: 执行一些拉普拉斯滤波以进行图像锐化获得二值图像的派生()表示, 要使用函数cv::, 在其中用每个像素到最近背景像素的距离替换该像素的值, 得到相应表示。使用 函数 cv:: 将图像中的对象与背景隔离加载源图像并检查它是否加载没有任何问题然后显示它# Load the image这似乎并不是一个完整且清晰表意合理的句子呀, 请你检查一下输入内容, 以便我能更准确地按照要求进行改写。code how to using , \in to and )在代码中, 存在一个参数设置, 其参数名为--input, 它具有帮助说明的属性, 该帮助说明内容是Path to input image., 并且这个参数当前被赋值为cards.png。args .()src cv.(cv..(args.input))if src is None:exit(0)# Show imagecv.( Image, src)把背景由白色改成黑色, 鉴于如此会对稍后于运用距离变换之际, 助力提取更优的结果。srcnp.all(src 255, axis2) 0在那之后, 把我们的图像加以锐化这个行动, 是为了让前景对象的边缘得以呈现出锐化的样子。而我们会运用一种拉普拉斯过滤器, 它有着相当强的过滤功能, 是跟二阶导数近似值相关的那种过滤器:锐化处理的主要目的在于突出灰度的过度部分, 因为拉普拉斯是一种微分算子, 要是所使用的定义具备负的中心系数, 那就必须把原图像减去经拉普拉斯变换后的图像, 而非加上它, 如此方能获得锐化结果。----摘自《数字图像处理第三版》。现在我们将新的锐化源图像分别转换为灰度和二值图像# image from imagebw cv.(, cv.)cv.( Image, bw)此刻, 我们正打算于二值图像image之上施行距离变换操作。另外, 我们会将输出图像予以归一化处理, 以此能够对结果开展可视化以及阈值处理工作。用法cv.( src, , )src输入图像数据类型为CV_8U的单通道图像dst, 是输出图像, 它和输入图像有着一样的尺寸, 其数据类型是CV_8U, 同时它是单通道图像, 就是这样。选用用来计算两个像素之间距离方式的标志, 其常见的距离度量方式, 等于横坐标差值绝对值加上纵坐标差值绝对值的街区距离, 欧几里得距离, 也就是欧式距离。距离变换掩码矩阵的大小方面, 参数能够选择的尺寸是这样的, 有一种尺寸是3×3, 还有一种尺寸是5×5。我们针对dist图像开展阈值处理, 接着施行一些形态学操作, 也就是膨胀, 以此从先前所述图像里提取峰值。咱们从每一个 blob 里面, 借助 cv:: 函数, 给分水岭算法制造出一个种子, 或者说是一个标记。最后我们可以应用分水岭算法并将结果可视化之后会继续分享技术欢迎大家学习交流~原文链接