十三、skimage高级滤波

布满荆棘的人生 2023-06-21 08:56 69阅读 0赞

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)

![format_png][]

# 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)

![format_png 1][]

# 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)

![format_png 2][]

# 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)

![format_png 3][]

# 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)

![format_png 4][]

# 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))

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTUwOTI0MTAyMjUtMTgwNTQ3NTU3My5wbmc?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTUxMjM1NDI4ODItMjg0MzY1MDcxLnBuZw?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTUxMjQ5NTUxNzgtNjk4Mzg0NzQwLnBuZw?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTUxMjU3Mzg2NDctMTYzNDU2NzcucG5n?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTUxMzA2MDYzMDMtNzYyMzgyMTQ3LnBuZw?x-oss-process=image/format,png