【笔记】OpenCV3 图形处理-边缘检测（三）_opencv blurred

• 计算机视觉中有三种常用色彩空间
  • 灰度  去掉彩色信息，转换为灰阶
  • BGR  蓝绿红的色彩空间，每个像素点用一个三维数组来表示
  • HSV  H 色调、S 饱和度、V 程度

• 高通滤波器

检测图像的某个区域，根据像素与周围像素的亮度差值来提升该像素亮度的滤波器

计算完中央像素与周围临近像素后，如果亮度变化很大，中央像素会增加（相反不会），如果一个像素比它周围突出很多，就会提升他的亮度，这对边缘检测就比较有效了。。。

定义两个核，与图像卷积看看效果

import cv2
import numpy as np
from scipy import ndimage
 
 
kernel_3X3 = np.array([
    [-1,-1,-1],
    [-1, 8,-1],
    [-1,-1,-1]
])
 
kernel_5X5 = np.array([
    [-1, -1 ,-1, -1, -1],
    [-1,  1,  2,  1, -1],
    [-1,  2,  4,  2, -1],
    [-1,  1,  2,  1, -1],
    [-1, -1, -1, -1, -1]
])

将图片灰度读出，与自定义的核进行卷积，看下效果

img = cv2.imread("img/Lena.jpg",0)
cv2.imshow('img',img)
k3 = ndimage.convolve(img, kernel_3X3)
k5 = ndimage.convolve(img, kernel_5X5)
cv2.imshow('3X3',k3)
cv2.imshow('5X5',k5)

• 低通滤波器 

检测图像的某个区域，在像素与周围像素的亮度差值小于一个特定值时，平衡该像素的亮度，它主要用于去噪与模糊

• 另外的实现方式：对图像采用低通滤波器后，再与原图像计算差值，来实现

blurred = cv2.GaussianBlur(img, (11,11), 0)
cv2.imshow('blurred',blurred)
g_hpf = img - bl