在圖像銳化中執行相同操作后得到不同的圖像 arrays

Question

我正在嘗試通過應用反銳化蒙版來銳化圖像，您可以在其中用高斯模糊圖像減去圖像，然后將差異添加回圖像。

這是我運行的代碼：

 img = cv2.imread('redhat.jpg')
 gauss = cv2.GaussianBlur(img,(7,7),0)
 diff = img - gauss
 sharp = img + diff
 cv2_imshow(img)
 cv2_imshow(sharp)

原圖：

鋒利的：

而不是上面的代碼，如果我運行：

 img = cv2.imread('redhat.jpg')
 gauss = cv2.GaussianBlur(img,(7,7),0)
 sharp = cv2.addWeighted(img, 2, gauss, -1, 0)
 cv2_imshow(img)
 cv2_imshow(sharp)

然后我得到正確的清晰圖像：

有人可以向我解釋為什么我在第一個代碼中得到奇怪的結果嗎？ 根據我的理解，這兩段代碼都在進行相同的數學運算。

Answer 1

在diff = img - gauss中，減法產生負值，但兩個輸入是 uint8 類型，因此運算結果被強制轉換為同一類型，不能保存負值。

您必須將其中一個圖像轉換為簽名類型才能使其工作。 例如：

gauss = cv2.GaussianBlur(img,(7,7),0)
diff = img.astype(np.int_) - gauss
sharp = np.clip(img + diff, 0, 255).astype(np.uint8)

使用cv2.addWeighted()效率更高。

Answer 2

我相信差異是由上溢/下溢引起的

diff = img - gauss

如果源圖像的深度均為 8 位無符號 integer，則 diff 也將具有相同的深度，這會導致減法運算中出現下溢。

相反， addWeighted()以雙精度執行操作，並在操作后對目標類型執行飽和轉換（請參閱文檔）。 這有效地降低了上溢/下溢的可能性，並且轉換會自動將值修剪到目標標量類型的支持范圍。

如果您仍想使用第一種方法，請將圖像轉換為浮點深度，或使用足夠大的帶符號整數。 手術后，您可能需要對目標深度進行飽和投射。