如何获得正确的拉普拉斯锐化 .raw 图像？

如何解决如何获得正确的拉普拉斯锐化 .raw 图像？

我正在尝试使用此算法对月球图像进行拉普拉斯锐化：

我正在转换这张图片：

但我不知道为什么我得到这样的图像：

这是我的代码：

import numpy as np

def readRawFile(name,row_size,column_size):
    imgFile = open(name,'rb')
    img = np.fromfile(imgFile,dtype = np.uint8,count = row_size * column_size)
    img = np.reshape(img,(-1,row_size))
    imgFile.close()
    return img

img = readRawFile("ass-3/moon464x528.raw",464,528)

width = img.shape[0]
height = img.shape[1]

img_pad = np.pad(img,((1,1),(1,1)),'edge')

w = np.array([1,1.2,1])

t1 = np.array([[0,-1,0],[-1,4,-1],[0,0]])

edge_img = np.zeros((width,height))
edge_pad = np.pad(edge_img,'constant')

for i in range(1,width-1):
    for j in range(1,height-1):
                
        edge_pad[i,j]=abs(np.sum((img_pad[i:i + 3,j:j + 3] * t1)*w))
        
        if edge_pad[i,j] < 0:
            edge_pad[i,j] = 0

out_img = img-edge_pad[1:edge_pad.shape[0]-1,1:edge_pad.shape[1]-1]
out_img.astype('int8').tofile("ass-3/moon-1.raw")

有人可以帮我吗？

解决方法

我发现了几个问题：

• 边缘图像允许有正负值。
  删除 abs，然后删除 if edge_pad[i,j] < 0...
• “窗口”img_pad[i:i + 3,j:j + 3] 不以[i,j] 为中心，替换为：
  img_pad[i-1:i+2,j-1:j+2]。
  （寻找 2D 离散卷积实现）。
• 我认为公式中的 w 应该是负标量。
  将 w = np.array([1,1.2,1]) 替换为 w = -1.2。
• t1和edge_pad的类型为np.float64，img的类型为np.uint8。
  img - edge_pad[1:edge_pad.shape[0] - 1,1:edge_pad.shape[1] - 1] 的类型是 np.float64。
  我们需要将值裁剪到范围 [0,255] 并转换为 np.uint8:
  out_img = np.clip(out_img,255).astype(np.uint8)。

我看不到与 .raw 格式有关的任何问题。
我把输入输出换成了PNG图片格式，使用OpenCV来读写图片。
OpenCV 的用法仅作为示例 - 您不需要使用 OpenCV。

---

这是一个“完整”的代码示例：

import numpy as np
import cv2

#def readRawFile(name,row_size,column_size):
#    imgFile = open(name,'rb')
#    img = np.fromfile(imgFile,dtype=np.uint8,count=row_size * column_size)
#    img = np.reshape(img,(-1,row_size))
#    imgFile.close()
#    return img

#img = readRawFile("ass-3/moon464x528.raw",464,528)
img = cv2.imread('moon.png',cv2.IMREAD_GRAYSCALE)  # Read input image as grayscale.

width = img.shape[0]  # The first index is the height (the names are swapped)
height = img.shape[1]

img_pad = np.pad(img,((1,1),(1,1)),'edge')

#w = np.array([1,1])
w = -1.2  # I think w in the formula is supposed to be a negative a scalar

t1 = np.array([[0,-1,0],[-1,4,-1],[0,0]])

edge_img = np.zeros((width,height))
edge_pad = np.pad(edge_img,'constant')

for i in range(1,width - 1):
    for j in range(1,height - 1):

        #edge_pad[i,j] = abs(np.sum((img_pad[i:i + 3,j:j + 3] * t1) * w))
        # Edge is allowed to be negative.
        edge_pad[i,j] = np.sum(img_pad[i-1:i+2,j-1:j+2] * t1) * w

        #if edge_pad[i,j] < 0:
        #    edge_pad[i,j] = 0

# img tyep is uint8 and edge_pad is float64,the result is float64
out_img = img - edge_pad[1:edge_pad.shape[0] - 1,1:edge_pad.shape[1] - 1]
out_img = np.clip(out_img,255).astype(np.uint8)  # Clip range to [0,255] and cast to uint8

#out_img.astype('int8').tofile("ass-3/moon-1.raw")

cv2.imwrite('out_img.png',out_img)  # Save out_img as PNG image file

# Show the input and the output images for testing
cv2.imshow('img',img)
cv2.imshow('edge_pad',(edge_pad-edge_pad.min())/(edge_pad.max() - edge_pad.min()))
cv2.imshow('out_img',out_img)
cv2.waitKey()
cv2.destroyAllWindows()

---

结果：

img：

out_img：

edge_pad（线性对比度拉伸后）：