Python skimage.filters.butterworth用法及代码示例

用法: skimage.filters.butterworth(image, cutoff_frequency_ratio=0.005, high_pass=True, order=2.0, channel_axis=None)

应用巴特沃斯滤波器来增强高频或低频特征。

该滤波器在傅立叶域中定义。

参数：

image：(M[, N[, ..., P]][, C]) ndarray: 输入图像。
cutoff_frequency_ratio：浮点数，可选: 确定 cut-off 相对于 FFT 形状的位置。
high_pass：布尔型，可选: 是否执行高通滤波器。如果为 False，则执行低通滤波器。
order：浮点数，可选: 影响cut-off 附近斜率的滤波器顺序。更高阶意味着频率空间中的斜率更陡。
channel_axis：整数，可选: 如果有渠道维度，请在此处提供索引。如果无(默认)，则所有轴都假定为空间维度。

result：ndarray: Butterworth-filtered 图像。

注意：

band-pass 滤波器可以通过组合高通和低通滤波器来实现。

文献包含巴特沃斯滤波器函数形式的多种约定。在这里，它被实现为 n 维形式

\[\frac{1}{1 - \left(\frac{f}{c*f_{max}}\right)^{2*n}}\]

其中\(f\)是空间频率的绝对值，\(c\)是cutoff_frequency_ratio和\(n\)是在[2]之后建模的order

参考：

1: Butterworth, Stephen. “On the theory of filter amplifiers.” Wireless Engineer 7.6 (1930): 536-541.
2: Russ, John C., et al. “The image processing handbook.” Computers in Physics 8.2 (1994): 177-178.

例子：

分别对灰度和彩色图像应用高通和低通巴特沃斯滤波器：

>>> from skimage.data import camera, astronaut
>>> from skimage.filters import butterworth
>>> high_pass = butterworth(camera(), 0.07, True, 8)
>>> low_pass = butterworth(astronaut(), 0.01, False, 4, channel_axis=-1)

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.filters.butterworth。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

参考：

例子：