同态滤波图像增强python代码

以下是一份使用Python实现同态滤波图像增强的示例代码：

import cv2
import numpy as np

def homomorphic_filter(image, sigma, gamma_L, gamma_H):
    # 对数变换
    img_log = np.log1p(np.array(image, dtype="float") / 255)

    # 傅里叶变换
    img_fft = np.fft.fft2(img_log)

    # 中心化
    img_fft_shift = np.fft.fftshift(img_fft)

    # 高斯滤波器
    rows, cols = image.shape
    M, N = np.meshgrid(np.arange(-cols/2, cols/2), np.arange(-rows/2, rows/2))
    D = np.sqrt(M**2 + N**2)
    H = (gamma_H - gamma_L) * (1 - np.exp(-sigma * (D**2))) + gamma_L

    # 滤波
    img_fft_filtered = H * img_fft_shift

    # 反中心化
    img_fft_filtered_shift = np.fft.ifftshift(img_fft_filtered)

    # 反傅里叶变换
    img_filtered = np.real(np.fft.ifft2(img_fft_filtered_shift))

    # 指数变换
    img_exp = np.expm1(img_filtered)
    img_output = np.uint8(255 * img_exp / np.max(img_exp))

    return img_output

# 读取图像
image = cv2.imread("lena.jpg", cv2.IMREAD_GRAYSCALE)

# 同态滤波增强
sigma = 10
gamma_L = 0.25
gamma_H = 2.0
image_enhanced = homomorphic_filter(image, sigma, gamma_L, gamma_H)

# 显示结果
cv2.imshow("Original Image", image)
cv2.imshow("Enhanced Image", image_enhanced)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`image`是输入的灰度图像，`sigma`、`gamma_L`和`gamma_H`是同态滤波的参数。最终的增强后的图像保存在`image_enhanced`中，使用`cv2.imshow`函数可以显示原始图像和增强后的图像。