在 OpenCV 中实现 Photoshop 高通滤波器 (HPF)答案

【问题标题】：Implementing Photoshop High Pass Filter (HPF) in OpenCV在 OpenCV 中实现 Photoshop 高通滤波器 (HPF)
【发布时间】：2018-11-03 15:05:13
【问题描述】：

我需要使用 OpenCV 从 Photoshop 实现高通滤波器。我读过 OpenCV 中的高通滤波器并尝试了一些内核，比如

[[ 0, -1, 0], 
 [-1, 4, -1],
 [ 0, -1, 0]].

但是，结果不是我想要的，因为输出图像大部分是黑白的，而 Photoshop 中的输出图像是灰色的。以下是示例： OpenCV high pass 和 Photoshop high pass。另外，我试过了：

blur = cv2.GaussianBlur(img,(ksize,ksize),0)
filtered = cv2.subtract(img,blur)

结果类似于OpenCV high pass。

之后，我尝试将 127 添加到输出图像的每个像素。确实，the image look gray-ish now，但它仍然与 Photoshop 图像不同。

那么我错过了什么？提前致谢。

编辑。致 Håken Lid：现在的代码是这样的：

import cv2
import numpy
img = cv2.imread('input.jpg')
blur = cv2.GaussianBlur(img,(31,31),0)
filtered = cv2.subtract(img, blur)
filtered = cv2.add(filtered, 127*numpy.ones(neg_frame.shape, numpy.uint8))
cv2.imwrite('output.jpg', filtered)

这里是result 和original picture。

编辑2。是的，Håken Lid 关于截断是对的。我再次编辑了代码：

import cv2
import numpy
img = cv2.imread('input.jpg')
blur = cv2.GaussianBlur(img,(31,31),0)
filtered = img - blur
filtered = filtered + 127*numpy.ones(neg_frame.shape, numpy.uint8)
cv2.imwrite('output.jpg', filtered)

输出结果为this。现在它更像我想要的，但差异仍然存在。

我的代码：照相馆：

最后一次编辑。在玩过 GaussianBlur 内核大小之后，我终于得到了我想要的 ksize = 51。非常感谢所有的帮助！现在我感觉有点笨：P

【问题讨论】：

你可以为高通添加你的python代码吗？我的猜测是负值被截断为 0。当您添加 127 时，这将是输出的最小值。 Photoshop 版本的输出比 127 中值暗。
您的代码和 photoshop 的输出非常相似。我认为你可以通过进一步调整内核来更接近。 Photoshop 可能使用 5x5 内核。或者您可以尝试将 0 值更改为 1，将 4 更改为 8（整个内核的总和应该为 0）。
除了进一步调整内核大小之外，您还可以像这样乘以差异的输出：constant * (img -blur) +127。您必须进行调整，直到正确为止。
您的代码中的neg_frame 是什么？
请在答案中描述您的解决方案，以帮助他人。

标签： python opencv image-processing computer-vision

【解决方案1】：

没有不必要的导入和变量。更多 Pythonic 更短的方式。

import cv2


def highpass(img, sigma):
    return img - cv2.GaussianBlur(img, (0,0), sigma) + 127

img = cv2.imread('lena.png')
img = highpass(img, 3)

cv2.imshow('lena highpass', img)
cv2.waitKey(0)

【讨论】：

尽管我很喜欢见到 Lenna，但我认为她在这样的公共论坛中没有一席之地。尤其是因为您使用的版本比经典版本更危险。
搜索引擎对公众开放，我从那里找到了未删减版的莉娜。 lenna.org
搜索引擎适用于知道自己在寻找什么的人。没有人会来 StackOverflow 寻找裸体女性的照片，而且可能有 50% 的人会因为意外遇到它而退缩。我敦促您考虑您的整个观众。附：版权法可能禁止您发布图片，无论您在哪里找到它。
我用更好的答案代替了它。我改变了图像。

【解决方案2】：

如果您在黑色背景上拍摄具有单个白色像素的图像并在 Photoshop 中应用滤镜，您将从 Photoshop 中获得卷积核。

【讨论】：

这是真的，但这里有个技巧——不要使用白色和黑色，使用浅灰色和深灰色。说 192 和 64。然后你就会知道裁剪前的内核值是多少。

【解决方案3】：

当您减去模糊图像时，您需要在添加 127 之前使用浮点而不是整数，否则会截断负像素。我还在内核位中添加了一个奇数检查器。现在它的行为就像 Photoshop。

import cv2
import numpy
img = cv2.imread('images/test.jpg')
size =50
if not size%2:
    size +=1
kernel = numpy.ones((size,size),numpy.float32)/(size*size)
filtered= cv2.filter2D(img,-1,kernel)
filtered = img.astype('float32') - filtered.astype('float32')
filtered = filtered + 127*numpy.ones(img.shape, numpy.uint8)
cv2.imwrite('output.jpg', filtered)

【讨论】：