### 手动实现高频强调滤波器的图像处理代码 以下是一个完整的 Python 示例，展示如何手动实现高频强调滤波器以应用于图像处理。高频强调滤波器通过增强图像中的高频成分（如边缘和细节），使图像更加清晰。 #### 高频强调滤波器的基本原理 高频强调滤波器可以通过以下公式实现： \[ F(x, y) = (1 + \alpha) \cdot I(x, y) - \alpha \cdot G(x, y) \] 其中： - \(I(x, y)\) 是输入图像， - \(G(x, y)\) 是经过低通滤波器后的图像， - \(\alpha\) 是控制高频增益的参数[^1]。 #### Python 实现代码 ```python import numpy as np import cv2 from scipy.ndimage import gaussian_filter import matplotlib.pyplot as plt # 定义高频强调滤波器函数 def high_emphasis_filter(image, alpha, sigma): # 对图像进行高斯模糊（低通滤波） low_pass = gaussian_filter(image, sigma=sigma) # 计算高频分量 high_pass = image - low_pass # 应用高频强调公式 emphasized_image = (1 + alpha) * image - alpha * low_pass # 确保输出值在 [0, 255] 范围内 emphasized_image = np.clip(emphasized_image, 0, 255).astype(np.uint8) return emphasized_image # 加载图像 image_path = 'example.jpg' # 替换为实际图像路径 original_image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) # 设置参数 alpha = 1.5 # 高频增益因子 sigma = 2.0 # 高斯模糊的标准差 # 应用高频强调滤波器 emphasized_image = high_emphasis_filter(original_image, alpha, sigma) # 显示结果 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.title('Original Image') plt.imshow(original_image, cmap='gray') plt.axis('off') plt.subplot(1, 2, 2) plt.title('Emphasized Image') plt.imshow(emphasized_image, cmap='gray') plt.axis('off') plt.tight_layout() plt.show() ``` #### 代码说明 1. **高斯模糊**：使用 `scipy.ndimage.gaussian_filter` 对图像进行低通滤波，生成低频分量 \(G(x, y)\)。 2. **高频分量提取**：通过从原始图像中减去低频分量，提取高频分量 \(H(x, y) = I(x, y) - G(x, y)\)。 3. **高频强调**：应用公式 \((1 + \alpha) \cdot I(x, y) - \alpha \cdot G(x, y)\) 来增强高频分量。 4. **像素值裁剪**：确保最终图像的像素值在合法范围内（0 到 255）。 --- ###