九、skimage图像简单滤波

落日映苍穹つ 2023-06-21 03:49 13阅读 0赞

对图像进行滤波，可以有两种效果：

*  一种是平滑滤波，用来抑制噪声；
 *  另一种是微分算子，可以用来检测边缘和特征提取。

skimage库中通过filters模块进行滤波操作。

## 1、sobel算子 ##

sobel算子可用来**检测边缘**

函数格式为：skimage.filters.sobel(*image*, *mask=None*)

from skimage import data,filters
    import matplotlib.pyplot as plt
    img = data.camera()
    edges = filters.sobel(img)
    plt.imshow(edges,plt.cm.gray)

![format_png][]

# 2、roberts算子 #

roberts算子和sobel算子一样，用于**检测边缘**

调用格式也是一样的：

edges = filters.roberts(img)

## 3、scharr算子 ##

功能同sobel，调用格式：

edges = filters.scharr(img)

## 4、prewitt算子 ##

功能同sobel，调用格式：

edges = filters.prewitt(img)

## 5、canny算子 ##

canny算子也是用于**提取边缘特征**，但它不是放在filters模块，而是放在feature模块

函数格式：skimage.feature.canny(image，sigma=1.0)

可以修改sigma的值来调整效果

from skimage import data,filters,feature
    import matplotlib.pyplot as plt
    img = data.camera()
    edges1 = feature.canny(img)   #sigma=1
    edges2 = feature.canny(img,sigma=3)   #sigma=3
    
    plt.figure('canny',figsize=(8,8))
    plt.subplot(121)
    plt.imshow(edges1,plt.cm.gray)  
    
    plt.subplot(122)
    plt.imshow(edges2,plt.cm.gray)
    
    plt.show()

![format_png 1][]

从结果可以看出，sigma越小，边缘线条越细小。

## 6、gabor滤波 ##

gabor滤波可用来进行**边缘检测和纹理特征提取。**

函数调用格式：skimage.filters.gabor\_filter(*image*, *frequency)*

通过修改frequency值来调整滤波效果，返回一对边缘结果，一个是用真实滤波核的滤波结果，一个是想象的滤波核的滤波结果。

from skimage import data,filters
    import matplotlib.pyplot as plt
    img = data.camera()
    filt_real, filt_imag = filters.gabor_filter(img,frequency=0.6)   
    
    plt.figure('gabor',figsize=(8,8))
    
    plt.subplot(121)
    plt.title('filt_real')
    plt.imshow(filt_real,plt.cm.gray)  
    
    plt.subplot(122)
    plt.title('filt-imag')
    plt.imshow(filt_imag,plt.cm.gray)
    
    plt.show()

![format_png 2][]

以上为frequency=0.6的结果图。

![format_png 3][]

以上为frequency=0.1的结果图

# 二、平滑滤波 #

## 7、gaussian滤波 ##

多维的滤波器，是**一种平滑滤波，可以消除高斯噪声**。

调用函数为：skimage.filters.gaussian\_filter(*image*, *sigma)*

通过调节sigma的值来调整滤波效果

from skimage import data,filters
    import matplotlib.pyplot as plt
    img = data.astronaut()
    edges1 = filters.gaussian_filter(img,sigma=0.4)   #sigma=0.4
    edges2 = filters.gaussian_filter(img,sigma=5)   #sigma=5
    
    plt.figure('gaussian',figsize=(8,8))
    plt.subplot(121)
    plt.imshow(edges1,plt.cm.gray)  
    
    plt.subplot(122)
    plt.imshow(edges2,plt.cm.gray)
    
    plt.show()

![format_png 4][]

可见sigma越大，过滤后的图像越模糊

## 8.median ##

**中值滤波，一种平滑滤波，可以消除噪声。**

需要用skimage.morphology模块来设置滤波器的形状。

from skimage import data,filters
    import matplotlib.pyplot as plt
    from skimage.morphology import disk
    img = data.camera()
    edges1 = filters.median(img,disk(5))
    edges2= filters.median(img,disk(9))
    
    plt.figure('median',figsize=(8,8))
    
    plt.subplot(121)
    plt.imshow(edges1,plt.cm.gray)  
    
    plt.subplot(122)
    plt.imshow(edges2,plt.cm.gray)
    
    plt.show()

![format_png 5][]

从结果可以看出，滤波器越大，图像越模糊。

## 9、水平、垂直边缘检测 ##

上边所举的例子都是进行全部边缘检测，有些时候我们**只需要检测水平边缘，或垂直边缘**，就可用下面的方法。

水平边缘检测：sobel\_h, prewitt\_h, scharr\_h

垂直边缘检测： sobel\_v, prewitt\_v, scharr\_v

from skimage import data,filters
    import matplotlib.pyplot as plt
    img = data.camera()
    edges1 = filters.sobel_h(img)  
    edges2 = filters.sobel_v(img) 
    
    plt.figure('sobel_v_h',figsize=(8,8))
    
    plt.subplot(121)
    plt.imshow(edges1,plt.cm.gray)  
    
    plt.subplot(122)
    plt.imshow(edges2,plt.cm.gray)
    
    plt.show()

![format_png 6][]

上边左图为检测出的水平边缘，右图为检测出的垂直边缘。

## 10、交叉边缘检测 ##

可使用Roberts的十字交叉核来进行过滤，以达到检测交叉边缘的目的。这些交叉边缘实际上是梯度在某个方向上的一个分量。

其中一个核：

0   1
    -1   0

对应的函数：

roberts\_neg\_diag(image）

例：

from skimage import data,filters
    import matplotlib.pyplot as plt
    img =data.camera()
    dst =filters.roberts_neg_diag(img) 
    
    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 7][]

另外一个核：

1   0
    0  -1

对应函数为：

roberts\_pos\_diag(image）

from skimage import data,filters
    import matplotlib.pyplot as plt
    img =data.camera()
    dst =filters.roberts_pos_diag(img) 
    
    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 8][]

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTIxNzI0MjE1ODUtNTc5NTIyNjY5LnBuZw?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTIxNzQwMjQ1NjktNzcwODk1NDMzLnBuZw?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTIxNzU2NTY1MDctMTI5MTM0MTkyLnBuZw?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTIxNzU4MDUxMDAtMTYyNzc2MDkyNC5wbmc?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTIxODA2MzA2MDAtMTY2ODc3OTU5MS5wbmc?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTIxODIxMTYwNTMtMTk1NjIwNjA0My5wbmc?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTIxODE1NDg2NzgtNDI0NjI1NDI2LnBuZw?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTUxNDMyMDczMDMtMTExMDM5Mzg3OS5wbmc?x-oss-process=image/format,png
[format_png 8]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMTQwODY3LzIwMTYwMS8xNDA4NjctMjAxNjAxMTUxNDM0MDM3NTctMTUyMjMzNzAyNi5wbmc?x-oss-process=image/format,png