Comment rendre une image plus nette dans OpenCV ?

Question

Comment puis-je accentuer une image en utilisant OpenCV ?

Il existe de nombreuses façons de lisser ou d'estomper, mais aucune, à ma connaissance, d'accentuer la netteté.

Answer 1

Une procédure générale est décrite dans l'article de Wikipédia sur le masquage flou :

Vous utilisez un filtre de lissage gaussien et soustrayez la version lissée de l'image originale (de manière pondérée afin que les valeurs d'une zone constante restent constantes).

Pour obtenir une version affinée de frame en image : (les deux cv::Mat )

cv::GaussianBlur(frame, image, cv::Size(0, 0), 3);
cv::addWeighted(frame, 1.5, image, -0.5, 0, image);

Vous devez régler vous-même les paramètres.

Il y a aussi l'affûtage Laplacien, vous devriez trouver quelque chose à ce sujet en cherchant sur Google.

Answer 2

Vous pouvez essayer un simple Noyau et le filtre2D par exemple, en Python :

kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
im = cv2.filter2D(im, -1, kernel)

Wikipedia offre une bonne vue d'ensemble des noyaux, avec d'autres exemples ici. https://en.wikipedia.org/wiki/Kernel_(traitement_de_l'image)

En traitement d'images, un noyau, une matrice de convolution ou un masque est une petite matrice. Il est utilisé pour le floutage, l'accentuation, le gaufrage, la détection des bords, etc. Pour ce faire, on effectue une convolution entre un noyau et une image.

Answer 3

Vous pouvez accentuer une image en utilisant un masque flou . Vous pouvez trouver plus d'informations sur le masquage flou. ici . Et voici une implémentation Python utilisant OpenCV :

import cv2 as cv
import numpy as np

def unsharp_mask(image, kernel_size=(5, 5), sigma=1.0, amount=1.0, threshold=0):
    """Return a sharpened version of the image, using an unsharp mask."""
    blurred = cv.GaussianBlur(image, kernel_size, sigma)
    sharpened = float(amount + 1) * image - float(amount) * blurred
    sharpened = np.maximum(sharpened, np.zeros(sharpened.shape))
    sharpened = np.minimum(sharpened, 255 * np.ones(sharpened.shape))
    sharpened = sharpened.round().astype(np.uint8)
    if threshold > 0:
        low_contrast_mask = np.absolute(image - blurred) < threshold
        np.copyto(sharpened, image, where=low_contrast_mask)
    return sharpened

def example():
    image = cv.imread('my-image.jpg')
    sharpened_image = unsharp_mask(image)
    cv.imwrite('my-sharpened-image.jpg', sharpened_image)

Answer 4

Toute image est une collection de signaux de différentes fréquences. Les fréquences les plus élevées contrôlent les bords et les fréquences les plus basses contrôlent le contenu de l'image. Les bords sont formés lorsqu'il y a une transition nette d'une valeur de pixel à l'autre, comme 0 et 255 dans une cellule adjacente. cellule adjacente. De toute évidence, il y a un changement brusque et donc un bord et à haute fréquence. Pour rendre une image plus nette, ces transitions peuvent être améliorées. être améliorées.

L'une des méthodes consiste à convoluer un noyau de filtre créé par soi-même avec l'image.

    import cv2
    import numpy as np

    image = cv2.imread('images/input.jpg')
    kernel = np.array([[-1,-1,-1], 
                       [-1, 9,-1],
                       [-1,-1,-1]])
    sharpened = cv2.filter2D(image, -1, kernel) # applying the sharpening kernel to the input image & displaying it.
    cv2.imshow('Image Sharpening', sharpened)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

Il existe une autre méthode qui consiste à soustraire une version floue de l'image de la version claire de celle-ci. Cela permet de rendre l'image plus nette. Mais elle doit être effectuée avec précaution car nous ne faisons qu'augmenter la valeur des pixels. Imaginez une valeur de pixel en niveaux de gris de 190, qui, si elle est multipliée par un poids de 2, donne 380, mais qui est coupée à 255 en raison de la plage de pixels maximale autorisée. Il s'agit d'une perte d'information qui conduit à une image délavée.

    addWeighted(frame, 1.5, image, -0.5, 0, image);

Answer 5

Vous pouvez trouver un exemple de code sur Renforcement de la netteté de l'image à l'aide de l'algorithme "unsharp mask". sur Documentation OpenCV .

Modification des valeurs de sigma , threshold , amount donnera des résultats différents.

// sharpen image using "unsharp mask" algorithm
Mat blurred; double sigma = 1, threshold = 5, amount = 1;
GaussianBlur(img, blurred, Size(), sigma, sigma);
Mat lowContrastMask = abs(img - blurred) < threshold;
Mat sharpened = img*(1+amount) + blurred*(-amount);
img.copyTo(sharpened, lowContrastMask);