将平滑后的图像行锐化高通滤波 查看结果

平滑后的图像行锐化高通滤波可以通过以下步骤来实现：

1. 对原始图像进行平滑处理，可以使用高斯滤波或均值滤波等滤波方法。

2. 对平滑后的图像进行高通滤波，可以使用拉普拉斯算子、Sobel算子、Prewitt算子等算子。

3. 将高通滤波后的图像与原始图像相加，得到锐化后的图像。

下面是Python代码示例，使用高斯滤波和拉普拉斯算子实现平滑后的图像行锐化高通滤波：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('test.jpg')

# 高斯平滑
blur = cv2.GaussianBlur(img, (5, 5), 0)

# 拉普拉斯算子
laplacian = cv2.Laplacian(blur, cv2.CV_8U, ksize=3)

# 相加
sharp = cv2.addWeighted(img, 1.5, laplacian, -0.5, 0)

# 显示图像
cv2.imshow('Original', img)
cv2.imshow('Smooth and Sharp', sharp)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`cv2.GaussianBlur()`函数实现高斯平滑，第一个参数为输入图像，第二个参数为核大小，第三个参数为标准差；`cv2.Laplacian()`函数实现拉普拉斯算子，第一个参数为输入图像，第二个参数为数据类型，第三个参数为核大小；`cv2.addWeighted()`函数实现图像相加，第一个参数为原始图像，第二个参数为原始图像权重，第三个参数为高通滤波后的图像，第四个参数为高通滤波后的图像权重，第五个参数为偏置。