Python 锐化蒙版答案

【问题标题】：Python unsharp maskPython 锐化蒙版
【发布时间】：2015-12-03 22:48:54
【问题描述】：

我想在 16 位图像上使用 unsharp mask。

Image 有640 x 480 Pixels 并保存在 NumPy 数组中。

我做了以下事情：

使用Gaussian filter 模糊图像（三种不同的方法）
然后，通过从原始图像中减去模糊图像来创建蒙版
最后，将乘以WightFaktor的掩码添加到原始图像中

但它并没有真正起作用。

这是 Python 代码：

Gaussian1 = ndimage.filters.gaussian_filter(Image,sigma=10.0)
Gaussian2 = filters.gaussian_filter(Image,sigma=10.0)
Gaussian3 = cv2.GaussianBlur(Image,(9,9),sigmaX=10.0)

Mask1 = Image - Gaussian1
UnsharpImage = Image + (WightFaktor*Mask1)

【问题讨论】：

标签： python opencv numpy image-processing gaussian

【解决方案1】：

要使用OpenCV 获得不清晰的图像，您需要使用addWeighted 函数，如下所示：

import cv2

image = cv2.imread("example.jpg")
gaussian_3 = cv2.GaussianBlur(image, (0, 0), 2.0)
unsharp_image = cv2.addWeighted(image, 2.0, gaussian_3, -1.0, 0)
cv2.imwrite("example_unsharp.jpg", unsharp_image)

给出以下结果：

addWeighted()在这里使用如下：

dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)

给你以下变换：

dst = src1*alpha + src2*beta + gamma

可以通过调整alpha 和beta 的权重来改变效果的强度，例如：1.5 和-0.5。

【讨论】：

这不是高斯滤波器，它接近于均匀滤波器。有关说明，请参阅 this old blog post of mine。相反，使用cv2.GaussianBlur(image, (0,0), 10.0) 让 OpenCV 计算内核的正确大小。但是 10 的 sigma 对于此目的来说太大了，请尝试 1 或 2。
有很好的论据 link 表明 mandrill、peppers 可能更鼓励多样性和尊重。

【解决方案2】：

也可以使用scikit-image 或PIL 的unsharp mask 实现：

import numpy as np
import matplotlib.pylab as plt
from PIL import Image, ImageFilter
from skimage.io import imread
from skimage.filters import unsharp_mask
# with scikit-image
im = imread('images/lena.jpg')
im1 = np.copy(im).astype(np.float)
for i in range(3):
    im1[...,i] = unsharp_mask(im[...,i], radius=2, amount=2)
# with PIL
im = Image.open('images/lena.jpg')
im2 = im.filter(ImageFilter.UnsharpMask(radius=2, percent=150))
# plot
plt.figure(figsize=(20,7))
plt.subplot(131), plt.imshow(im), plt.axis('off'), plt.title('Original', size=20)
plt.subplot(132), plt.imshow(im1), plt.axis('off'), plt.title('Sharpened (skimage)', size=20)
plt.subplot(133), plt.imshow(im2), plt.axis('off'), plt.title('Sharpened (PIL)', size=20)
plt.show()

输出如下：

另外，使用opencv-python在 Martin Evans 代码上添加一些详细的 stpes / cmets：

import cv2

im = cv2.imread("images/lena.jpg")
im_blurred = cv2.GaussianBlur(im, (11,11), 10)
im1 = cv2.addWeighted(im, 1.0 + 3.0, im_blurred, -3.0, 0) # im1 = im + 3.0*(im - im_blurred)
plt.figure(figsize=(20,10))
plt.subplot(121),plt.imshow(cv2.cvtColor(im, cv2.COLOR_BGR2RGB)), plt.axis('off'), plt.title('Original Image', size=20)
plt.subplot(122),plt.imshow(cv2.cvtColor(im1, cv2.COLOR_BGR2RGB)), plt.axis('off'), plt.title('Sharpened Image', size=20)
plt.show()

【讨论】：