本文主要介紹python數字圖像處理,圖像簡單濾波，圖文並茂介紹skimage庫中通過filters模塊進行濾波操作，希望對您的學習有所幫助。
對圖像進行濾波，可以有兩種效果：一種是平滑濾波，用來抑制噪聲；另一種是微分算子，可以用來檢測邊緣和特征提取。
skimage庫中通過filters模塊進行濾波操作。
1、sobel算子
sobel算子可用來檢測邊緣
函數格式為：skimage.filters.sobel(image, mask=None)
2、roberts算子
roberts算子和sobel算子一樣，用於檢測邊緣
調用格式也是一樣的：
edges = filters.roberts(img)
3、scharr算子
功能同sobel，調用格式：
edges = filters.scharr(img)
4、prewitt算子
功能同sobel，調用格式：
edges = filters.prewitt(img)
5、canny算子
canny算子也是用於提取邊緣特征，但它不是放在filters模塊，而是放在feature模塊
函數格式：skimage.feature.canny(image，sigma=1.0)
可以修改sigma的值來調整效果
從結果可以看出，sigma越小，邊緣線條越細小。
6、gabor濾波
gabor濾波可用來進行邊緣檢測和紋理特征提取。
函數調用格式：skimage.filters.gabor_filter(image, frequency)
通過修改frequency值來調整濾波效果，返回一對邊緣結果，一個是用真實濾波核的濾波結果，一個是想象的濾波核的濾波結果。
以上為frequency=0.6的結果圖。
以上為frequency=0.1的結果圖
7、gaussian濾波
多維的濾波器，是一種平滑濾波，可以消除高斯噪聲。
調用函數為：skimage.filters.gaussian_filter(image, sigma)
通過調節sigma的值來調整濾波效果
可見sigma越大，過濾后的圖像越模糊
8.median
中值濾波，一種平滑濾波，可以消除噪聲。
需要用skimage.morphology模塊來設置濾波器的形狀。
從結果可以看出，濾波器越大，圖像越模糊。
9、水平、垂直邊緣檢測
上邊所舉的例子都是進行全部邊緣檢測，有些時候我們只需要檢測水平邊緣，或垂直邊緣，就可用下面的方法。
水平邊緣檢測：sobel_h, prewitt_h, scharr_h
垂直邊緣檢測： sobel_v, prewitt_v, scharr_v
上邊左圖為檢測出的水平邊緣，右圖為檢測出的垂直邊緣。
10、交叉邊緣檢測
可使用Roberts的十字交叉核來進行過濾，以達到檢測交叉邊緣的目的。這些交叉邊緣實際上是梯度在某個方向上的一個分量。
其中一個核：
0 1
-1 0
對應的函數：
roberts_neg_diag(image）
例：
另外一個核：
1 0
0 -1
對應函數為：
roberts_pos_diag(image）
此文轉載文，著作權歸作者所有，如有侵權聯系小編刪除！
原文地址：https://www.tuicool.com/articles/FRZZ3qb
需要源代碼的或者想了解更多的（點擊這里下載）