python数字图像处理（14）：高级滤波
本文提供更多更强大的滤波方法，这些方法放在filters.rank子模块内。
这些方法需要用户自己设定滤波器的形状和大小，因此需要导入morphology模块来设定。
1、autolevel
这个词在photoshop里面翻译成自动色阶，用局部直方图来对图片进行滤波分级。
该滤波器局部地拉伸灰度像素值的直方图，以覆盖整个像素值范围。
格式：skimage.filters.rank.autolevel(image, selem）
selem表示结构化元素，用于设定滤波器。
from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
auto =sfr.autolevel(img, disk(5)) #半径为5的圆形滤波器
plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)plt.subplot(122)
plt.title('filted image')
plt.imshow(auto,plt.cm.gray)
2、bottomhat 与 tophat
bottomhat: 此滤波器先计算图像的形态学闭运算，然后用原图像减去运算的结果值，有点像黑帽操作。
bottomhat: 此滤波器先计算图像的形态学开运算，然后用原图像减去运算的结果值，有点像白帽操作。
格式：
skimage.filters.rank.bottomhat(image, selem）
skimage.filters.rank.tophat(image, selem）
selem表示结构化元素，用于设定滤波器。
下面是bottomhat滤波的例子：
from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
auto =sfr.bottomhat(img, disk(5)) #半径为5的圆形滤波器
plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)plt.subplot(122)
plt.title('filted image')
plt.imshow(auto,plt.cm.gray)
3、enhance_contrast
对比度增强。求出局部区域的最大值和最小值，然后看当前点像素值最接近最大值还是最小值，然后替换为最大值或最小值。
函数： enhance_contrast(image, selem）
selem表示结构化元素，用于设定滤波器。
from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
auto =sfr.enhance_contrast(img, disk(5)) #半径为5的圆形滤波器
plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)plt.subplot(122)
plt.title('filted image')
plt.imshow(auto,plt.cm.gray)
4、entropy
求局部熵，熵是使用基为2的对数运算出来的。该函数将局部区域的灰度值分布进行二进制编码，返回编码的最小值。
函数格式：entropy(image, selem）
selem表示结构化元素，用于设定滤波器。
from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
dst =sfr.entropy(img, disk(5)) #半径为5的圆形滤波器
plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)plt.subplot(122)
plt.title('filted image')
plt.imshow(dst,plt.cm.gray)
5、equalize
均衡化滤波。利用局部直方图对图像进行均衡化滤波。
函数格式：equalize(image, selem）
selem表示结构化元素，用于设定滤波器。
from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
dst =sfr.equalize(img, disk(5)) #半径为5的圆形滤波器
plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)plt.subplot(122)
plt.title('filted image')
plt.imshow(dst,plt.cm.gray)
6、gradient
返回图像的局部梯度值（如：最大值-最小值），用此梯度值代替区域内所有像素值。
函数格式：gradient(image, selem）
selem表示结构化元素，用于设定滤波器。
from skimage import data,color
import matplotlib.pyplot as plt
from skimage.morphology import disk
import skimage.filters.rank as sfr
img =color.rgb2gray(data.lena())
dst =sfr.gradient(img, disk(5)) #半径为5的圆形滤波器
plt.figure('filters',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)plt.subplot(122)
plt.title('filted image')
plt.imshow(dst,plt.cm.gray)
7、其它滤波器
滤波方式很多，下面不再一一详细讲解，仅给出核心代码，所有的函数调用方式都是一样的。
最大值滤波器（maximum):返回图像局部区域的最大值，用此最大值代替该区域内所有像素值。
dst =sfr.maximum(img, disk(5))
最小值滤波器（minimum)：返回图像局部区域内的最小值，用此最小值取代该区域内所有像素值。
dst =sfr.minimum(img, disk(5))
均值滤波器（mean) : 返回图像局部区域内的均值，用此均值取代该区域内所有像素值。
dst =sfr.mean(img, disk(5))
中值滤波器（median): 返回图像局部区域内的中值，用此中值取代该区域内所有像素值。
dst =sfr.median(img, disk(5))
莫代尔滤波器（modal) : 返回图像局部区域内的modal值，用此值取代该区域内所有像素值。
dst =sfr.modal(img, disk(5))
otsu阈值滤波（otsu): 返回图像局部区域内的otsu阈值，用此值取代该区域内所有像素值。
dst =sfr.otsu(img, disk(5))
阈值滤波（threshhold): 将图像局部区域中的每个像素值与均值比较，大于则赋值为1，小于赋值为0，得到一个二值图像。
dst =sfr.threshold(img, disk(5))
减均值滤波（subtract_mean): 将局部区域中的每一个像素，减去该区域中的均值。
dst =sfr.subtract_mean(img, disk(5))
求和滤波（sum) :求局部区域的像素总和，用此值取代该区域内所有像素值。
dst =sfr.sum(img, disk(5))
python数字图像处理（14）：高级滤波相关推荐
- python数字图像处理教程,python数字图像处理之高级形态学处理
形态学处理,除了最基本的膨胀.腐蚀.开/闭运算.黑/白帽处理外,还有一些更高级的运用,如凸包,连通区域标记,删除小块区域等. 1.凸包 凸包是指一个凸多边形,这个凸多边形将图片中所有的白色像素点都包含 ...
- 077_《Delphi数字图像处理及高级应用》
<Delphi数字图像处理及高级应用> Delphi 教程 系列书籍 (077) <Delphi数字图像处理及高级应用> 网友(邦)整理 EMail: shuaihj@163. ...
- python数字图像处理（17）：边缘与轮廓
在前面的python数字图像处理(10):图像简单滤波 中,我们已经讲解了很多算子用来检测边缘,其中用得最多的canny算子边缘检测. 本篇我们讲解一些其它方法来检测轮廓. 1.查找轮廓(find_c ...
- 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 ...
- python数字图像处理以及绘图
1, subplot的使用 matlab中的用法: subplot(m,n,p)或者subplot(m n p) subplot是将多个图画到一个平面上的工具.其中,m和n代表在一个图像窗口中显示m行 ...
- （附源码）python数字图像处理课程平台 毕业设计 242339
Python数字图像处理课程平台的开发 摘 要 数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
- （附源码）Python数字图像处理课程平台 毕业设计242339
Python数字图像处理课程平台的开发 摘 要 数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
- python绘制灰度图片直方图-python数字图像处理实现直方图与均衡化
在图像处理中,直方图是非常重要,也是非常有用的一个处理要素. 在skimage库中对直方图的处理,是放在exposure这个模块中. 1.计算直方图 函数:skimage.exposure.histo ...
- 领域平均法matlab代码实验,数字图像处理邻域平均法滤波实验报告matlab实现.doc...
数字图像处理邻域平均法滤波实验报告matlab实现 数字图像处理 实验报告 实验三 邻域平均法滤波 学号 姓名 实验三 邻域平均法滤波 一.实验内容 选取噪声较明显的图像,分别采用3*3.5*5.7* ...
- 数字图像处理之平滑滤波
数字图像处理之平滑滤波 by方阳 版权声明:本文为博主原创文章,转载请标出转载地址 http://www.cnblog ...
最新文章
- （原创）用c++11打造好用的any
- 一文读懂Serverless，配置化思想复用到平台系统中
- 安装仅限于用于sharepoint_PDF DC2018软件安装教程
- CentOS下与Apache连接的PHP多版本共存方案实现详解
- C++ Primer 5th笔记（chap 18 大型程序工具） 重载与命名空间
- js与C++交互及C++解析json
- 两个栈实现一个队列与两个队列实现一个栈
- 关于selectNodes与selectSingleNode的用法的区别
- 贪心算法——合并区间(Leetcode 56)
- 我的学习网址（未完）
- xmind各版本区别_XMind各版本功能对比1.PDF
- 第三章 图表辅助元素的定制
- Vue打包后通过springboot运行页面为空白页的解决方法
- 外卖返利系统,外卖返利系统小程序,外卖系统,返利系统
- 【c++中内存拷贝函数(C++ memcpy)详解】
- Dell服务器出错代码和含义
- python 发红包import random用redenv_python 发红包
- Python二维字典的几个小例子
- 简单分布式锁实现(拍黄片)
- others_shellcode