python数字图像处理之高级滤波代码详解
本文提供许多的滤波方法，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))
总结
以上就是本文关于python数字图像处理之高级滤波代码详解的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：
如有不足之处，欢迎留言指出。
相关文章
在本篇文章里小编给大家整理的是关于python爬虫的作用地方以及相关知识点，需要的朋友们可以学习下。2020-06-06
这篇文章主要介绍了Pandas中Series的属性,方法,常用操作使用案例，文章通过包的引入展开主题，需要的朋友可以参考一下2022-07-07
今天小编就为大家分享一篇Python求两个圆的交点坐标或三个圆的交点坐标方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-11-11
for循环用于迭代序列（即列表、元组、字典、集合或字符串）。for 语句的写法如从对象开始按顺序给变量赋值，元素个数重复这个过程。对象可以是列表（数组）、元组、字符串等。本文将详细讲解Python中for定义迭代方法详解，需要的可以了解一下2022-04-04![python错误提示:Errno 2] No such file or directory的解决方法](//img.jbzj.com/images/xgimg/bcimg4.png)
python错误提示:Errno 2] No such file or directory的解决方法
我相信很多人在学习Python的时候,特别是在open文件的时候总还碰到,还报错IOError:[Errno 2]没有这样的文件或目录:'E：//aaa.txt',这篇文章主要给大家介绍了关于python错误提示:Errno 2] No such file or directory的解决方法,需要的朋友可以参考下2022-02-02
今天小编就为大家分享一篇使用python快速实现不同机器间文件夹共享方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
Python由于有全锁局的存在，并不能利用多核优势。所以，如果你的多线程进程是CPU密集型的，那多线程并不能带来效率上的提升，相反还可能会因为线程的频繁切换，导致效率下降；如果是IO密集型，多线程进程可以利用IO阻塞等待时的空闲时间执行其他线程，提升效率。2016-02-02
这篇文章主要介绍了介绍Python中的__future__模块,__future__模块使得在Python2.x的版本下能够兼容更多的Python3.x的特性,需要的朋友可以参考下2015-04-04
使用opencv对图像进行编码，一方面是图像二进制传输的需要，另一方面对图像压缩。本文主要介绍了python cv2图像质量压缩的算法示例，感兴趣的可以了解一下2021-06-06
python使用opencv在Windows下调用摄像头实现解析
这篇文章主要介绍了python使用opencv在Windows下调用摄像头实现解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-11-11
![python错误提示:Errno 2] No such file or directory的解决方法](http://img.jbzj.com/images/xgimg/bcimg4.png)
最新评论