Python图像处理实战

第5章　应用导数方法实现图像增强

在本章中，我们将继续讨论图像增强，即讨论有关改善图像的外观或实用性的问题。在内容安排上，我们主要关注于计算图像梯度/导数的空间滤波技术，以及如何应用这些技术实现图像的边缘检测。首先，我们将从使用一阶（偏）导数的图像梯度的基本概念开始；然后讨论二阶导数/拉普拉斯导数，读者将看到如何使用它们来查找图像中的边；接下来，我们将讨论使用Python图像处理库PIL、scikit-image的filter模块和SciPy的ndimage模块对图像进行锐化/反锐化掩模的几种方法；再接下来，读者将学到如何使用不同的滤波器（sobel、canny、LoG等）并将它们与图像进行卷积，以检测图像中的边缘；最后，我们将讨论如何计算高斯/拉普拉斯图像金字塔（用scikit-image），并使用图像金字塔平滑地融合两幅图像。

本章主要包括以下内容：

• 图像导数——梯度和拉普拉斯算子；
• 锐化和反锐化掩模；
• 使用导数和滤波器进行边缘检测；
• 图像金字塔——融合图像。

5.1　图像导数——梯度和拉普拉斯算子

可以采用有限差分法计算数字图像的偏导数。在本节中，我们将讨论如何计算图像导数、梯度和拉普拉斯算子，以及说明它们为何有用。与之前章节中的示例一样，我们先导入所需的库，如下面的代码所示：

import numpy as np from scipy import signal, misc, ndimage from skimage import filters, feature, img_as_float from skimage.io import imread from skimage.color import rgb2gray from PIL import Image, ImageFilter ...