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实现：

1. 对原始图像进行高斯平滑滤波，以减少噪声和细节。
2. 从原始图像中减去平滑后的图像，得到高频部分，即边缘和细节信息。
3. 将得到的高频部分加回到平滑后的图像中，得到锐化后的图像。

具体实现过程如下：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

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

# 获取高频部分
highpass = img - blur

# 将高频部分加回到平滑后的图像中
sharpen = img + highpass

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Smoothed Image', blur)
cv2.imshow('Highpass Image', highpass)
cv2.imshow('Sharpened Image', sharpen)
cv2.waitKey(0)

这样做可以增强图像的锐度和细节，但也可能会增加噪声。需要根据具体情况来选择合适的参数和滤波器。

相关问题

图像低通滤波和高通滤波

图像滤波是一种常见的图像处理方法，可以用来去除图像中的噪声、增强图像的边缘等。图像滤波可以分为低通滤波和高通滤波两种。

低通滤波可以去除图像中高频部分，保留图像中低频部分，实现图像平滑处理。低通滤波器通常被用来去除图像中的高频噪声，使得图像更加清晰，常见的低通滤波器有均值滤波、高斯滤波等。

高通滤波可以增强图像中高频部分，抑制图像中低频部分，实现图像锐化处理。高通滤波器通常被用来增强图像的边缘和细节，常见的高通滤波器有拉普拉斯滤波、Sobel滤波、Prewitt滤波等。