Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
МТ7.docx
Скачиваний:
3
Добавлен:
04.05.2025
Размер:
13 Мб
Скачать
☆

Список использованных источников

  1. Основы цифровой обработки изображений: учеб. пособие / Жаринов О.О. ГУАП. СПб, 2023. 122 с.

  2. Обработка изображений с помощью библиотеки Python Pillow // URL: https://habr.com/ru/articles/681248/

  3. Документация skimage.filters (на англ. яз.) // URL: https://scikitimage.org/docs/stable/api/skimage.filters.html

  4. Intro to OpenCV for Image Processing with Python // URL: https://qviper.github.io/2022/09/24/intro-to-opencv-for-image-processing-python/

  5. 2D Convolution ( Image Filtering ) // URL: https://docs.opencv.org/4.x/d4/d13/tutorial_py_filtering.html

  6. OpenCV. Motion Blur in Python // URL: https://www.geeksforgeeks.org/opencv-motion-blur-inpython/?ysclid=m7bpfcphlf778877094

  7. How to add motion blur to numpy array URL: https://stackoverflow.com/questions/40305933/how-to-add-motionblur-to-numpy-array

  8. How to restore fuzzy license plate -Wiener deconvolution filtering algorithm // URL: https://programmersought.com/article/5388602923/

  9. Жаринов О.О. Учебно-методические материалы к выполнению лабораторной работы №7 по дисциплине “Мультимедиа-технологии “, гр.4116, 4117, 4018. ГУАП, 2025. – 21 с. (Интернет-ресурс) // URL: https://pro.guap.ru/inside/student/tasks/e4715578ed7486d8d1746488fafcaeed/download

Приложение а

Листинг 4 – Программа для размытия изображения

import cv2

from skimage import restoration

import numpy as np

import matplotlib.pyplot as plt

# функция, создающая смаз:

# size - размер размаза в пикселях,

# angle - направление смаза, в градусах

def blur_mask(size, angle):

    k = np.zeros((size, size), dtype=np.float32)

    k[(size-1) // 2, :] = np.ones(size, dtype=np.float32)

    k = cv2.warpAffine(k,

                       cv2.getRotationMatrix2D((size/2-0.5, size/2-0.5),

                                               angle, 1.0),

                       (size, size))

    k = k/np.sum(k)  # нормировка

    return k

input_image = cv2.imread('input_image.jpg')

# нормировка данных изображения и перевод во float:

input_image = input_image.astype(np.float32)/255.

# задаем искажающую маску в виде матрицы:

PSF_blur = blur_mask(size=35, angle=35)

print(PSF_blur)  # посмотрим на искажающую маску

# и размажем ею изображение:

blur_image = cv2.filter2D(input_image, -1, PSF_blur)

# Визуализация искаженного смазом изображения:

plt.figure()

plt.imshow(cv2.cvtColor(blur_image, cv2.COLOR_BGR2RGB))

plt.title('Смазанное изображение')

plt.axis('off')

plt.tight_layout()

plt.show()

cv2.imwrite(

    "blur_image.jpg",

    cv2.normalize(

        (blur_image * 255).astype("uint8"), None, 0, 255, cv2.NORM_MINMAX

    ),

)

Листинг 5 – Восстановление методом инверсной Винеровской фильтрации

import cv2

import numpy as np

import matplotlib.pyplot as plt

from skimage import restoration

def blur_mask(size, angle):

    k = np.zeros((size, size), dtype=np.float32)

    k[(size-1) // 2, :] = np.ones(size, dtype=np.float32)

    k = cv2.warpAffine(k,

                       cv2.getRotationMatrix2D((size/2-0.5, size/2-0.5),

                                               angle, 1.0),

                       (size, size))

    k = k/np.sum(k)  # нормировка

    return k

PSF_blur = blur_mask(size=15, angle=0)

blur_image = cv2.imread('blur_image.png').astype(np.float32)/255.

# Двумерная инверсная винеровская фильтрация

noise_var = 0.15 # подбор уровня шума

image_deblur = blur_image.copy()

# Обработка по трем цветовым каналам раздельно:

for i in range(3):

    image_deblur[:, :, i] = restoration.wiener(

        blur_image[:, :, i], PSF_blur, noise_var)

# ограничение и денормировка:

image_deblur = np.clip(image_deblur, 0., 1.)

image_deblur = (image_deblur*255.).astype(np.uint8)

# Визуализация восстановленного изображения:

plt.figure()

plt.imshow(cv2.cvtColor(image_deblur, cv2.COLOR_BGR2RGB))

plt.title('Восстановленное изображение')

plt.axis('off')

plt.tight_layout()

plt.show()

cv2.imwrite("wiener_deblur.jpg", image_deblur)

Листинг 6 – Восстановление алгоритмом Ричардсона-Люси

import cv2

import numpy as np

import matplotlib.pyplot as plt

from skimage import restoration

def blur_mask(size, angle):

    k = np.zeros((size, size), dtype=np.float32)

    k[(size-1) // 2, :] = np.ones(size, dtype=np.float32)

    k = cv2.warpAffine(k,

                       cv2.getRotationMatrix2D((size/2-0.5, size/2-0.5),

                                               angle, 1.0),

                       (size, size))

    k = k/np.sum(k)

    return k

PSF_blur = blur_mask(size=15, angle=0)

blur_image = cv2.imread('blur_image.png').astype(np.float32)/255.

its = 20

image_deblur = blur_image.copy()

# Обработка по трем цветовым каналам раздельно:

for i in range(3):

    image_deblur[:, :, i] = restoration.richardson_lucy(blur_image[:, :, i],

                                                        PSF_blur, num_iter=its)

# ограничение и денормировка:

image_deblur = np.clip(image_deblur, 0., 1.)

image_deblur = (image_deblur*255.).astype(np.uint8)

# Визуализация восстановленного изображения:

plt.figure()

plt.imshow(cv2.cvtColor(image_deblur, cv2.COLOR_BGR2RGB))

plt.title('Восстановленное изображение')

plt.axis('off')

plt.show()

cv2.imwrite(f"2lucy_deblur{its}.jpg", image_deblur)

Соседние файлы в предмете Мультимедиа технологии