OpenCV6 图片均衡化 与 高低通滤波

I 图片均衡化

1 图片均衡化

import numpy as np
import cv2

def cv_show(name,image):
	cv2.imshow(name,image)
	#cv2.waitKey(0)
	#cv2.destroyAllWindows()

img = cv2.imread("123.png",0)
equ = cv2.equalizeHist(img)

cv_show("equ",equ)
cv_show("img",img)

2 图片均衡化(自适应)

import numpy as np
import cv2

def cv_show(name,image):
	cv2.imshow(name,image)
	#cv2.waitKey(0)
	#cv2.destroyAllWindows()

#传入灰度图
img = cv2.imread("456.jpg",0)
clahe = cv2.createCLAHE(clipLimit = 2.0,tileGridSize = (8,8))
res = clahe.apply(img)

cv_show("res",res)
cv_show("img",img)

II 傅里叶变换

高频信号 ：变化剧烈的灰度分量，例如边界。
低频信号 ：变化缓慢的灰度分量，例如一片大海。
低通滤波 ：只保留低频，会使图像变得模糊。
高通滤波 ：只保留高频，会使图像细节增强。

opencv中：
1、正变换cv2.dft() 和 逆变换cv2.idft(),
2、输入图像需要先转换成np.float32格式,
3、得到的结果中频率为0的部分会在左上角，
通常要转换到中心位置，可通过shift变换来实现.
4、cv2.dft() 返回的结果是双通道的(实部，虚部)，通常还需要转化成图像格式
才可以正常展示(0，255)

1 低通滤波器

import numpy as np
import cv2

def cv_show(name,image):
	cv2.imshow(name,image)
	#cv2.waitKey(0)
	#cv2.destroyAllWindows()

#传入灰度图
img = cv2.imread("456.jpg",0)
#转换成32位图像
img_float32 = np.float32(img)
#傅里叶变换
dft = cv2.dft(img_float32,flags = cv2.DFT_COMPLEX_OUTPUT)
#shift变换
dft_shift = np.fft.fftshift(dft)
rows,cols = img.shape
crow,ccol = int(rows/2),int(cols/2) #中心位置
#低通滤波
mask = np.zeros((rows,cols,2),np.uint8)
mask[crow-30:crow+30,ccol-30:ccol+30]=1
#IDFT
fshift = dft_shift*mask
#shift反变换
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])

cv_show("img",img)
cv_show("img_back",img_back)

2 高通滤波器

import numpy as np
import cv2

def cv_show(name,image):
	cv2.imshow(name,image)
	#cv2.waitKey(0)
	#cv2.destroyAllWindows()

#传入灰度图
img = cv2.imread("456.jpg",0)
#转换成32位图像
img_float32 = np.float32(img)
#傅里叶变换
dft = cv2.dft(img_float32,flags = cv2.DFT_COMPLEX_OUTPUT)
#shift变换
dft_shift = np.fft.fftshift(dft)
rows,cols = img.shape
crow,ccol = int(rows/2),int(cols/2) #中心位置
#高通滤波
mask = np.ones((rows,cols,2),np.uint8)
mask[crow-30:crow+30,ccol-30:ccol+30]=0
#IDFT
fshift = dft_shift*mask
#shift反变换
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])

cv_show("img",img)
cv_show("img_back",img_back)