本文提供更多更強大的濾波方法，這些方法放在filters.rank子模塊內。
這些方法需要用戶自己設定濾波器的形狀和大小，因此需要導入morphology模塊來設定。
1、autolevel
這個詞在photoshop里面翻譯成自動色階，用局部直方圖來對圖片進行濾波分級。
該濾波器局部地拉伸灰度像素值的直方圖，以覆蓋整個像素值范圍。
格式：skimage.filters.rank.autolevel(image, selem）
selem表示結構化元素，用於設定濾波器。
from skimage import data,color import matplotlib.pyplot as plt from skimage.morphology import disk import skimage.filters.rank as sfr img =color.rgb2gray(data.lena()) auto =sfr.autolevel(img, disk(5)) #半徑為5的圓形濾波器 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(auto,plt.cm.gray)
2、bottomhat 與 tophat
bottomhat: 此濾波器先計算圖像的形態學閉運算，然后用原圖像減去運算的結果值，有點像黑帽操作。
bottomhat: 此濾波器先計算圖像的形態學開運算，然后用原圖像減去運算的結果值，有點像白帽操作。
格式：
skimage.filters.rank.bottomhat(image, selem）
skimage.filters.rank.tophat(image, selem）
selem表示結構化元素，用於設定濾波器。
下面是bottomhat濾波的例子：
from skimage import data,color import matplotlib.pyplot as plt from skimage.morphology import disk import skimage.filters.rank as sfr img =color.rgb2gray(data.lena()) auto =sfr.bottomhat(img, disk(5)) #半徑為5的圓形濾波器 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(auto,plt.cm.gray)
3、enhance_contrast
對比度增強。求出局部區域的最大值和最小值，然后看當前點像素值最接近最大值還是最小值，然后替換為最大值或最小值。
函數： enhance_contrast(image, selem）
selem表示結構化元素，用於設定濾波器。
from skimage import data,color import matplotlib.pyplot as plt from skimage.morphology import disk import skimage.filters.rank as sfr img =color.rgb2gray(data.lena()) auto =sfr.enhance_contrast(img, disk(5)) #半徑為5的圓形濾波器 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(auto,plt.cm.gray)
4、entropy
求局部熵，熵是使用基為2的對數運算出來的。該函數將局部區域的灰度值分布進行二進制編碼，返回編碼的最小值。
函數格式：entropy(image, selem）
selem表示結構化元素，用於設定濾波器。
from skimage import data,color import matplotlib.pyplot as plt from skimage.morphology import disk import skimage.filters.rank as sfr img =color.rgb2gray(data.lena()) dst =sfr.entropy(img, disk(5)) #半徑為5的圓形濾波器 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)
5、equalize
均衡化濾波。利用局部直方圖對圖像進行均衡化濾波。
函數格式：equalize(image, selem）
selem表示結構化元素，用於設定濾波器。
from skimage import data,color import matplotlib.pyplot as plt from skimage.morphology import disk import skimage.filters.rank as sfr img =color.rgb2gray(data.lena()) dst =sfr.equalize(img, disk(5)) #半徑為5的圓形濾波器 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)
6、gradient
返回圖像的局部梯度值（如：最大值-最小值），用此梯度值代替區域內所有像素值。
函數格式：gradient(image, selem）
selem表示結構化元素，用於設定濾波器。
from skimage import data,color import matplotlib.pyplot as plt from skimage.morphology import disk import skimage.filters.rank as sfr img =color.rgb2gray(data.lena()) dst =sfr.gradient(img, disk(5)) #半徑為5的圓形濾波器 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)
7、其它濾波器
濾波方式很多，下面不再一一詳細講解，僅給出核心代碼，所有的函數調用方式都是一樣的。
最大值濾波器（maximum):返回圖像局部區域的最大值，用此最大值代替該區域內所有像素值。
dst =sfr.maximum(img, disk(5))
最小值濾波器（minimum)：返回圖像局部區域內的最小值，用此最小值取代該區域內所有像素值。
dst =sfr.minimum(img, disk(5))
均值濾波器（mean) : 返回圖像局部區域內的均值，用此均值取代該區域內所有像素值。
dst =sfr.mean(img, disk(5))
中值濾波器（median): 返回圖像局部區域內的中值，用此中值取代該區域內所有像素值。
dst =sfr.median(img, disk(5))
莫代爾濾波器（modal) : 返回圖像局部區域內的modal值，用此值取代該區域內所有像素值。
dst =sfr.modal(img, disk(5))
otsu閾值濾波（otsu): 返回圖像局部區域內的otsu閾值，用此值取代該區域內所有像素值。
dst =sfr.otsu(img, disk(5))
閾值濾波（threshhold): 將圖像局部區域中的每個像素值與均值比較，大於則賦值為1，小於賦值為0，得到一個二值圖像。
dst =sfr.threshold(img, disk(5))
減均值濾波（subtract_mean): 將局部區域中的每一個像素，減去該區域中的均值。
dst =sfr.subtract_mean(img, disk(5))
求和濾波（sum) :求局部區域的像素總和，用此值取代該區域內所有像素值。
dst =sfr.sum(img, disk(5))