同态滤波的python代码 结果为rgb图

以下是同态滤波的Python代码实现：

import cv2
import numpy as np

def homomorphic_filter(img, gamma_l, gamma_h, c):
    # 将图像转换为浮点数类型
    img = np.float32(img)
    # 取图像的对数
    img_log = np.log(img + 1)
    # 进行傅里叶变换
    img_fft = np.fft.fft2(img_log)
    # 构建高斯滤波器
    rows, cols = img.shape
    mid_row, mid_col = int(rows/2), int(cols/2)
    kernel = np.zeros_like(img)
    for i in range(rows):
        for j in range(cols):
            d = (i-mid_row)**2 + (j-mid_col)**2
            kernel[i,j] = (gamma_h - gamma_l) * (1 - np.exp(-c*d/(mid_row**2))) + gamma_l
    # 对频谱进行滤波
    img_fft_filtered = np.multiply(kernel, img_fft)
    # 进行傅里叶反变换
    img_ifft = np.real(np.fft.ifft2(img_fft_filtered))
    # 取指数
    img_exp = np.exp(img_ifft) - 1
    # 对图像进行归一化
    img_exp = (img_exp - np.min(img_exp)) / (np.max(img_exp) - np.min(img_exp))
    # 将图像转换为8位无符号整型
    img_out = np.uint8(img_exp * 255)
    # 将灰度图像转换为RGB图像
    img_out = cv2.cvtColor(img_out, cv2.COLOR_GRAY2RGB)
    return img_out

# 加载图像
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
# 对图像进行同态滤波处理
img_filtered = homomorphic_filter(img, 0.1, 2, 1)
# 显示图像
cv2.imshow('image', img)
cv2.imshow('filtered', img_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`homomorphic_filter`函数实现了同态滤波的处理过程，`img`参数为输入图像，`gamma_l`和`gamma_h`参数为低频和高频增益，`c`参数为高斯滤波器的带宽。函数首先将输入图像转换为浮点数类型，并取图像的对数，然后进行傅里叶变换。接着根据高斯滤波器的公式构建高斯滤波器，并对频谱进行滤波。最后进行傅里叶反变换和取指数操作，对图像进行归一化并转换为8位无符号整型。最后将灰度图像转换为RGB图像。在主函数中，加载图像并调用`homomorphic_filter`函数进行处理，最后显示原图和处理后的结果。