之前的随笔中使用了C++来编写算法底层逻辑，这次我们直接使用OpenCV和Numpy和Scipy所提供的方法直接调用实现
1 import cv2 2 import numpy 3 from scipy import ndimage 4 5 kernel_3 = numpy.array([ 6 [-1, -1, -1], 7 [-1, 8, -1], 8 [-1, -1, -1] 9 ]) 10 11 kernel_5 = numpy.array([ 12 [-1, -1, -1, -1, -1], 13 [-1, 1, 2, 1, -1], 14 [-1, 2, 4, 2, -1], 15 [-1, 1, 2, 1, -1], 16 [-1, -1, -1, -1, -1] 17 ]) 18 19 img = cv2.imread('Pic.webp', 0) 20 k3 = ndimage.convolve(img, kernel_3) 21 k5 = ndimage.convolve(img, kernel_5) 22 blurred = cv2.GaussianBlur(img, (17, 17), 0) 23 hpf = img - blurred 24 25 cv2.imshow('IMG', img) 26 cv2.imshow('K3', k3) 27 cv2.imshow('hpf', hpf) 28 29 cv2.waitKey() 30 cv2.destroyAllWindows()
随机在网上搜索灰度图然后Down下来保存名字为Pic即可。
19 Line中的 cv2.imread()中的第二个参数很重要，有三种模式，RGB，Gray scale，NoChange，具体请自行搜索。我们需要选择Gray scale即数字0就可以表示了。
至于convolve方法其实可以自己实现，具体参照之前的【图像处理】随笔。
23 Line中的减法作用，bulrred变量被经过高斯低通滤波处理的img赋值，而numpy数组是可以直接进行加减法运算的，此时得到的 hpf 变量就是原图锐化的结果。