Python 使用多种方法对图像进行锐化处理——图像处理

àì夳堔傛蜴生んèń 2024-04-03 13:03 17阅读 0赞

### 通过使用不同方法对图像进行锐化处理，更改参数对比图像显示，代码如下： ###

# （6）、随机读取一幅图像，对其进行锐化，
    #导入库
    import cv2
    import skimage.filters as af
    import  skimage.filters
    import matplotlib.pyplot as plt
    from PIL import  Image
    from PIL import  ImageFilter
    from PIL.ImageFilter import  FIND_EDGES,EDGE_ENHANCE,EDGE_ENHANCE_MORE,SHARPEN
    
    # im=Image.open("image_01/肾穿病理镜下图片.png")
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    # 导入图片
    img_01=cv2.imread("img.png")
    # 转换灰度
    img=cv2.cvtColor(img_01, cv2.COLOR_BGR2GRAY)
    
    # 显示图像
    def show_img(ax_img,img,title,cmap="gray"):
        ax_img.imshow(img, cmap)
        ax_img.set_title(title)
        ax_img.set_axis_off()
    
    # 方法1：对公式中的总数取不同的值，对比显示实验结果；公式：锐化图像=原始图像+(原始图像-模糊图像)
    def fun_01():
        # 高斯滤波器
        img_gaussianBlur = cv2.GaussianBlur(img, (3, 3), 1)
        # 锐化图像=原始图像+(原始图像-模糊图像)
        im_fun_01=img+(img-img_gaussianBlur)*10
        im_fun_02 = img + (img - img_gaussianBlur) * 20
        im_fun_03 = img + (img - img_gaussianBlur) * 30
        fig,(ax_img,im1,im2,im3)=plt.subplots(1,4)
        # 显示图像
        show_img(ax_img,img,"原始图像")
        show_img(im1,im_fun_01,"总数=10")
        show_img(im2,im_fun_02,"总数=20")
        show_img(im3, im_fun_03, "总数=30")
        plt.show()
    
    # 方法2：对参数radius与amount取不同的值，对比显示实验结果；
    def fun_02():
        im_upsharp_1= skimage.filters.unsharp_mask(img, radius=1.0, amount=100.0, multichannel=False, preserve_range=False)
        im_upsharp_2=skimage.filters.unsharp_mask(img, radius=2.0, amount=50.0, multichannel=False, preserve_range=False)
        im_upsharp_3 = skimage.filters.unsharp_mask(img, radius=10.0, amount=80.0, multichannel=False, preserve_range=False)
        fig, (ax_img, im1, im2, im3) = plt.subplots(1, 4)
        # 显示图像
        show_img(ax_img, img, "原始图像")
        show_img(im1, im_upsharp_1, "im_upsharp_1")
        show_img(im2, im_upsharp_2, "im_upsharp_2")
        show_img(im3, im_upsharp_3, "im_upsharp_3")
        plt.show()
    
    # 方法3：按照实验指导取不同的参数，对比显示实验结果。
    def fun_03():
        im=Image.open("img.png")
        im_01=im.filter(FIND_EDGES)
        im_02=im.filter(EDGE_ENHANCE)
        im_03=im.filter(EDGE_ENHANCE_MORE)
        im_04=im.filter(SHARPEN)
        fig, (ax_img, im1, im2, im3) = plt.subplots(1, 4)
        # 显示图像
        show_img(ax_img,img,"原始图像")
        show_img(im1,im_01,"总数=10")
        show_img(im2,im_02,"总数=20")
        show_img(im3, im_03, "总数=30")
        plt.show()
    
    if __name__ == '__main__':
        fun_01()
        fun_02()
        fun_03()

### 运行结果： ###

#### **fun\_01()** ####

![f6a915b912634e52b9ce5b3f7f4a15cd.png][]

#### fun\_02() ####

![b16b6a22f63744e19292cf2cde24aca8.png][]

#### fun\_03() ####

![7aa2ba47a61c4ebe8e4c89ffd2e13536.png][]

[f6a915b912634e52b9ce5b3f7f4a15cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/4806bb3fd29f4f4d9a77866f2362e1f8.png
[b16b6a22f63744e19292cf2cde24aca8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/f6404a8c545d4baaa48860aaf0de00d9.png
[7aa2ba47a61c4ebe8e4c89ffd2e13536.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/f4672535dc954d919b56cf6c1da31a5e.png