【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
Niuguangshuo1 小时前
深入解析Stable Diffusion基石——潜在扩散模型(LDMs)
人工智能·计算机视觉·stable diffusion
迈火1 小时前
SD - Latent - Interposer:解锁Stable Diffusion潜在空间的创意工具
人工智能·gpt·计算机视觉·stable diffusion·aigc·语音识别·midjourney
wfeqhfxz25887821 小时前
YOLO13-C3k2-GhostDynamicConv烟雾检测算法实现与优化
人工智能·算法·计算机视觉
芝士爱知识a1 小时前
2026年AI面试软件推荐
人工智能·面试·职场和发展·大模型·ai教育·考公·智蛙面试
Li emily1 小时前
解决港股实时行情数据 API 接入难题
人工智能·python·fastapi
Aaron15881 小时前
基于RFSOC的数字射频存储技术应用分析
c语言·人工智能·驱动开发·算法·fpga开发·硬件工程·信号处理
J_Xiong01172 小时前
【Agents篇】04:Agent 的推理能力——思维链与自我反思
人工智能·ai agent·推理
星爷AG I2 小时前
9-26 主动视觉(AGI基础理论)
人工智能·计算机视觉·agi
爱吃泡芙的小白白2 小时前
CNN参数量计算全解析:从基础公式到前沿优化
人工智能·神经网络·cnn·参数量
拐爷2 小时前
vibe‑coding 九阳神功之喂:把链接喂成“本地知识”,AI 才能稳定干活(API / 设计 / 报道 / 截图)
人工智能