【python学习笔记】27：scipy中ndimage模块作图像滤波

scipy的ndimage可以用于做n维图像的处理。
*高斯滤波

>>> from scipy import misc
>>> from scipy import ndimage
>>> import matplotlib.pyplot as plt
>>> test=misc.ascent() #用于测试的图像
>>> plt.figure() #创建画布
<matplotlib.figure.Figure object at 0x000000000687D860>
>>> plt.imshow(test) #绘制测试图像
<matplotlib.image.AxesImage object at 0x0000000006F4AB00>
>>> plt.show() #显示原始图像

>>> gaus_test=ndimage.gaussian_filter(test,sigma=7) #高斯滤波
>>> plt.imshow(gaus_test) #绘制新产生的图像(数组)
<matplotlib.image.AxesImage object at 0x0000000007492588>
>>> plt.show() #显示更新后的画布

*图像边缘化
因为图像是用数组表示的，可以先作高斯滤波让它们一定程度上变模糊，然后相减，那些相似的值就变小了，再进行一定倍数的放大(让小的值和大的值相差更多)，然后加到某个基准值上，就可以实现边缘锐化了。

>>> gaus1=ndimage.gaussian_filter(test,sigma=1)
>>> gaus3=ndimage.gaussian_filter(test,sigma=3)
>>> sharp=gaus3+6*(gaus3-gaus1) #作差放大并加到基准值上
>>> plt.imshow(sharp)
<matplotlib.image.AxesImage object at 0x0000000007709CF8>
>>> plt.show()

*用ndimage中值滤波

>>> mid_test=ndimage.median_filter(test,7) #直接作中值滤波
>>> plt.imshow(mid_test)
<matplotlib.image.AxesImage object at 0x0000000007884EB8>
>>> plt.show()

这里用ndimage.median_filter()可以直接作二维图像的中值滤波，在参数中指定邻域(滤波窗口的像素长)。

该模块的更多方法，可以在导入后用dir查看。