本文主要介绍python数字图像处理,图像简单滤波，图文并茂介绍skimage库中通过filters模块进行滤波操作，希望对您的学习有所帮助。
对图像进行滤波，可以有两种效果：一种是平滑滤波，用来抑制噪声；另一种是微分算子，可以用来检测边缘和特征提取。
skimage库中通过filters模块进行滤波操作。
1、sobel算子
sobel算子可用来检测边缘
函数格式为：skimage.filters.sobel(image, mask=None)
2、roberts算子
roberts算子和sobel算子一样，用于检测边缘
调用格式也是一样的：
edges = filters.roberts(img)
3、scharr算子
功能同sobel，调用格式：
edges = filters.scharr(img)
4、prewitt算子
功能同sobel，调用格式：
edges = filters.prewitt(img)
5、canny算子
canny算子也是用于提取边缘特征，但它不是放在filters模块，而是放在feature模块
函数格式：skimage.feature.canny(image，sigma=1.0)
可以修改sigma的值来调整效果
从结果可以看出，sigma越小，边缘线条越细小。
6、gabor滤波
gabor滤波可用来进行边缘检测和纹理特征提取。
函数调用格式：skimage.filters.gabor_filter(image, frequency)
通过修改frequency值来调整滤波效果，返回一对边缘结果，一个是用真实滤波核的滤波结果，一个是想象的滤波核的滤波结果。
以上为frequency=0.6的结果图。
以上为frequency=0.1的结果图
7、gaussian滤波
多维的滤波器，是一种平滑滤波，可以消除高斯噪声。
调用函数为：skimage.filters.gaussian_filter(image, sigma)
通过调节sigma的值来调整滤波效果
可见sigma越大，过滤后的图像越模糊
8.median
中值滤波，一种平滑滤波，可以消除噪声。
需要用skimage.morphology模块来设置滤波器的形状。
从结果可以看出，滤波器越大，图像越模糊。
9、水平、垂直边缘检测
上边所举的例子都是进行全部边缘检测，有些时候我们只需要检测水平边缘，或垂直边缘，就可用下面的方法。
水平边缘检测：sobel_h, prewitt_h, scharr_h
垂直边缘检测： sobel_v, prewitt_v, scharr_v
上边左图为检测出的水平边缘，右图为检测出的垂直边缘。
10、交叉边缘检测
可使用Roberts的十字交叉核来进行过滤，以达到检测交叉边缘的目的。这些交叉边缘实际上是梯度在某个方向上的一个分量。
其中一个核：
0 1
-1 0
对应的函数：
roberts_neg_diag(image）
例：
另外一个核：
1 0
0 -1
对应函数为：
roberts_pos_diag(image）
此文转载文，著作权归作者所有，如有侵权联系小编删除！
原文地址：https://www.tuicool.com/articles/FRZZ3qb
需要源代码的或者想了解更多的（点击这里下载）