差分濾波器的介紹及用於圖像特征檢測

一. 差分濾波器

        差分濾波器對於圖像亮度急劇變化的邊緣有提取效果，可以獲得鄰近像素的差值。

二. 差分濾波器形式

豎直差分濾波器 ↑

 

水平差分濾波器 ↑

 

對角線差分濾波器 ↑

---

三. python實現差分濾波器

        實驗：實現上述三個差分濾波器，並作用於圖像，查看圖像各個方向上信息提取效果

import cv2

import numpy as np

# Gray scale

def BGR2GRAY(img):

    b = img[:, :, 0].copy()

    g = img[:, :, 1].copy()

    r = img[:, :, 2].copy()

    # Gray scale

    out = 0.2126 * r + 0.7152 * g + 0.0722 * b

    out = out.astype(np.uint8)

    return out

# different filter

def different_filter(img, K_size=3):

    H, W = img.shape

    # Zero padding

    pad = K_size // 2

    out = np.zeros((H + pad * 2, W + pad * 2), dtype=np.float)

    out[pad: pad + H, pad: pad + W] = img.copy().astype(np.float)

    tmp = out.copy()

    out_v = out.copy()

    out_h = out.copy()

    out_d = out.copy()

    # vertical kernel

    Kv = [[0., -1., 0.],[0., 1., 0.],[0., 0., 0.]]

    # horizontal kernel

    Kh = [[0., 0., 0.],[-1., 1., 0.], [0., 0., 0.]]

    # diagonal kernel

    Kd = [[-1.,0.,0.],[0.,1.,0.],[0.,0.,0.]]

    # filtering

    for y in range(H):

        for x in range(W):

            out_v[pad + y, pad + x] = np.sum(Kv * (tmp[y: y + K_size, x: x + K_size]))

            out_h[pad + y, pad + x] = np.sum(Kh * (tmp[y: y + K_size, x: x + K_size]))

            out_d[pad + y, pad + x] = np.sum(Kd * (tmp[y: y + K_size, x: x + K_size]))

    out_v = np.clip(out_v, 0, 255)

    out_h = np.clip(out_h, 0, 255)

    out_d = np.clip(out_d, 0, 255)

    out_v = out_v[pad: pad + H, pad: pad + W].astype(np.uint8)

    out_h = out_h[pad: pad + H, pad: pad + W].astype(np.uint8)

    out_d = out_d[pad: pad + H, pad: pad + W].astype(np.uint8)

 

    return out_v, out_h, out_d

# Read image

img = cv2.imread("../gezi.jpg").astype(np.float)

# grayscale

gray = BGR2GRAY(img)

# different filtering

out_v, out_h,out_d = different_filter(gray, K_size=3)

# Save result

cv2.imwrite("out_v.jpg", out_v)

cv2.imshow("result_v", out_v)

cv2.imwrite("out_h.jpg", out_h)

cv2.imshow("result_h", out_h)

cv2.imwrite("out_d.jpg", out_d)

cv2.imshow("result_d", out_d)

cv2.waitKey(0)

cv2.destroyAllWindows()

 

---

四. 實驗結果

原圖 ↑

 

水平差分濾波器作用結果 ↑

 

豎直差分濾波器作用結果 ↑

 

對角線(左上>右下)差分濾波器作用結果 ↑

        可以看到，實驗結果如我們之前判斷的那樣，水平差分濾波器檢測出了圖像中的豎直特征；豎直差分濾波器檢測出了圖像中的水平特征；對角線（左上>右下）差分濾波器檢測出了圖像的對角線（左下>右上）特征。

---

五. 參考材料：

　　https://www.jianshu.com/p/87c32d5085f6