[OpenCV基礎][Python]影像增強_影像銳利化

在影像處理中，我們總是想要讓特徵更加明顯一點，可以使用銳利化的方式將特徵的邊緣增強，提升影像的細節，圖像銳利後就會有提升解析度的感覺。

銳利化後

拉普拉斯運算子是一種常用於影像增強的方法之一，特別是用於提高影像的邊緣和細節。

在OpenCV中，你可以使用cv2.Laplacian函數來應用拉普拉斯運算子。

cv2.Laplacian 函式的基本語法：

#標準函式​
dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])

#常用
laplacian = cv2.Laplacian(img, cv2.CV_64F)​

• src: 原始影像，可以是灰度影像或彩色影像。
• ddepth: 輸出影像的深度（通常是 cv2.CV_8U、cv2.CV_16U、cv2.CV_64F 等）。
• dst: 輸出影像。如果未提供，函數會自動創建一個與 src 大小和深度相同的影像。
• ksize: 使用的拉普拉斯運算子的內核大小。如果未提供，則默認為3。
• scale: 結果的比例因子，可以用於增強或減弱拉普拉斯梯度。默認為1。
• delta: 結果的偏移值，可以用於調整結果的亮度。默認為0。
• borderType: 設置邊界擴充的方式。默認為 cv2.BORDER_DEFAULT。

這個函數返回一個包含拉普拉斯梯度的影像

通常，你會在這個結果上進一步進行處理，例如使用 cv2.convertScaleAbs 將結果轉為無符號八位整數形式。

程式範例

import cv2
import numpy as np

def laplacian_sharpen(image_path, output_path):
    # 讀取影像
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

    # 使用拉普拉斯運算子
    laplacian = cv2.Laplacian(img, cv2.CV_64F)

    # 將負值轉為正值 
    laplacian = cv2.convertScaleAbs(laplacian))

    # 將原始影像和拉普拉斯增強的影像結合
    sharpened_img = cv2.addWeighted(img, 1.5, laplacian, -0.5, 0)

    # 保存結果
    cv2.imwrite(output_path, sharpened_img)

# 呼叫函式，替換為你的輸入和輸出路徑
laplacian_sharpen('input_image.jpg', 'output_image_laplacian.jpg')

銳化比較圖

銳化後的圖就是使用cv2.addWeighted函數結合灰階的影像和拉普拉斯增強的影像。

拉普拉斯增的圖

原圖直接銳利化。

程式範例第六行，cv2.IMREAD_GRAYSCALE拿掉即可。

# 讀取影像
img = cv2.imread(image_path)

些額外的參數可以調整以達到更好的影像增強效果。

程式範例第七行，拉普拉斯運算子新增其他參數

# 使用拉普拉斯運算子
laplacian = cv2.Laplacian(img, cv2.CV_64F, scale=2, delta=50)

不同參數比較

以下是一些與 cv2.Laplacian 相關的重要參數：

ksize：

• 參數類型：整數
• 預設值：3（3x3 的運算子）
• 內容：指定拉普拉斯運算子的內核大小。內核大小越大，檢測到的細節和邊緣越粗糙。

# 使用 5x5 的拉普拉斯運算子
laplacian = cv2.Laplacian(img, cv2.CV_64F, ksize=5)

ddepth：

• 參數類型：整數
• 預設值：-1（與原始影像相同的深度）
• 內容：指定輸出影像的深度。通常情況下，使用 -1 表示與原始影像相同的深度，但你也可以指定其他深度值，例如 cv2.CV_8U。

# 使用 8 位無符號深度的輸出影像
laplacian = cv2.Laplacian(img, cv2.CV_8U)

scale 和 delta：

• scale 參數類型：浮點數
• delta 參數類型：浮點數
• 預設值：scale=1, delta=0
• 內容：scale 用於縮放拉普拉斯運算子的結果，而 delta 用於調整結果的亮度。這兩個參數可以用來調整增強效果。

# 使用不同的 scale 和 delta 值
laplacian = cv2.Laplacian(img, cv2.CV_64F, scale=2, delta=50)

根據應用的需求和影像的特性來調整這些參數。在實際應用中，通常需要不斷嘗試不同的參數組合，以找到最適合的影像增強效果。