【计算机视觉系列实战教程 (实战01)】:图像锐化操作(并手写锐化操作)

文章目录


前言

提示:本文主要通过手写图像锐化算法来理解图像像素的遍历:

我们知道图像的高斯模糊的在实践中是使用高斯卷积核来卷积处理图像的,高斯卷积核"卷"图像的结果是被卷的图像区域变模糊了。而本文要讲解的图像锐化则是将图像更加清晰。


提示:以下是本篇文章正文内容,下面案例可供参考

1、什么是图像锐化

图像锐化是一种图像处理技术,旨在增强图像中边缘和细节的对比度,使其看起来更加清晰和鲜明。

2、使用卷积对图像进行锐化

(1).图像预处理

代码如下(示例):这里对图像先进行了高斯模糊处理,目的是去除噪音,防止锐化后加重噪音的影响

cpp 复制代码
cv::Mat imRead = cv::imread("xxx.jpeg");
cv::GaussianBlur(imRead, imRead, cv::Size(3,3),0);

(2).定义锐化卷积核

代码如下(示例):

cpp 复制代码
cv::Mat kernel_sharpen = (cv::Mat_<int>(3,3)<< 0, -1, 0,
											  -1, 5, -1,
											   0, -1, 0);

(3).对图像进行卷积操作(实现图像锐化)

代码如下(示例):

cpp 复制代码
cv::filter2D(imRead, imRead, imRead.type(), kernel_sharpen);

总代码如下:

cpp 复制代码
cv::Mat imRead = cv::imread(strPth01);
cv::GaussianBlur(imRead, imRead, cv::Size(3,3),0);
//定义锐化卷积核
cv::Mat kernel_sharpen = (cv::Mat_<int>(3, 3) << 0, -1, 0,
												-1, 5, -1,
												 0, -1, 0);
cv::Mat imSharpen;
cv::filter2D(imRead, imSharpen, imRead.type(), kernel_sharpen);

3、手动遍历实现图像锐化

手动遍历像素实现图像的锐化操作

下列函数使用了at访问图像像素,可根据自己的需求使用ptr、iterator等访问像素,代码如下(可直接使用):

cpp 复制代码
/*@author @还下着雨ZG
* @param[in] imSrc, 源图像,即待锐化的图像
* @param[out] imDst, 目标图像,即锐化后的图像
* @return int, 正表示锐化成功,负表示失败
*/
int ImgSharpenBySelf(const cv::Mat& imSrc, cv::Mat& imDst)
{
	if(imSrc.empty()) return -1;
	if(!imDst.empty()) imDst.release();
	if(imSrc.channels()==1)
	{
		cv::Mat imCopy;
		imSrc.convertTo(imCopy,CV_32SC1);
		imDst = imCopy.clone();
		for(int r=1; r<imCopy.rows-1; ++r)
		{
			for(int c=1; c<imCopy.cols-1; ++c)
			{
			    //这里使用int来访问图像像素元素
				imDst.at<int>(r,c) = 5*imCopy.at<int>(r,c)
									 - imCopy.at<int>(r-1,c) 
									 - imCopy.at<int>(r+1,c)
									 - imCopy.at<int>(r,c-1)
									 - imCopy.at<int>(r,c+1);
			}
		}
		//将目标图像(锐化后的图像)转为CV_8UC1
		imDst.convertTo(imDst, CV_8U);
	}
	else if(imSrc.channels()==3)
	{
		//转换图像格式便于计算(防止溢出)
		cv::Mat imCopy;
		imSrc.convertTo(imCopy,CV_32SC3);
		imDst = imCopy.clone();
	    //遍历图像并处理像素 new = 5*current - left - top - right - bottom
		for(int r=1; r<imCopy.rows-1; ++r)
		{
			for(int c=1; c<imCopy.cols-1; ++c)
			{
			    //这里使用int来访问图像像素元素
				imDst.at<cv::Vec3i>(r,c) = 5*imCopy.at<cv::Vec3i>(r,c)
										 - imCopy.at<cv::Vec3i>(r-1,c) 
										 - imCopy.at<cv::Vec3i>(r+1,c)
										 - imCopy.at<cv::Vec3i>(r,c-1)
										 - imCopy.at<cv::Vec3i>(r,c+1);
			}
		}
		//将目标图像(锐化后的图像)转为CV_8UC1
		imDst.convertTo(imDst, CV_8UC3);
	}
	else 
	{
		return -2;
	}
	return 1;
}

总结

1.使用opencv自带的卷积函数filter2D和卷积核kernel来锐化图像

2.手动遍历图像(灰度图像或彩色图像)实现图像的锐化操作

相关推荐
池央22 分钟前
AI性能极致体验:通过阿里云平台高效调用满血版DeepSeek-R1模型
人工智能·阿里云·云计算
我们的五年23 分钟前
DeepSeek 和 ChatGPT 在特定任务中的表现:逻辑推理与创意生成
人工智能·chatgpt·ai作画·deepseek
Yan-英杰24 分钟前
百度搜索和文心智能体接入DeepSeek满血版——AI搜索的新纪元
图像处理·人工智能·python·深度学习·deepseek
Fuweizn25 分钟前
富唯智能可重构柔性装配产线:以智能协同赋能制造业升级
人工智能·智能机器人·复合机器人
taoqick2 小时前
对PosWiseFFN的改进: MoE、PKM、UltraMem
人工智能·pytorch·深度学习
suibian52352 小时前
AI时代:前端开发的职业发展路径拓宽
前端·人工智能
预测模型的开发与应用研究3 小时前
数据分析的AI+流程(个人经验)
人工智能·数据挖掘·数据分析
源大模型3 小时前
OS-Genesis:基于逆向任务合成的 GUI 代理轨迹自动化生成
人工智能·gpt·智能体
PowerBI学谦5 小时前
Python in Excel高级分析:一键RFM分析
大数据·人工智能·pandas
运维开发王义杰5 小时前
AI: Unsloth + Llama 3 微调实践,基于Colab
人工智能·llama