SciPy - ascent() 方法

SciPy ascent() 方法用于获取 8 位灰度图像派生图像（512*512），用于演示。此方法允许用户尝试图像处理技术并应用多种滤波器和变换。

语法

以下是 SciPy ascent() 方法的语法 -

ascent()

参数

此方法不接受任何参数。

返回值

此方法返回一个 2D NumPy 数组，显示灰度图像。

示例 1

以下是 SciPy ascent() 方法，显示预先存在的 ascent 图像。

import matplotlib.pyplot as plt
from scipy.misc import ascent

# load the ascent image
image = ascent()

# display the image using matplotlib
plt.imshow(image, cmap='gray')
plt.title('Ascent Image')
plt.axis('off')
plt.show()

输出

以上代码生成以下输出 -

示例 2

下面的示例区分了原始 ascent 图像和高斯滤波后的图像。

import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter
from scipy.misc import ascent

# load the ascent image
image = ascent()

# apply a Gaussian filter to the image
filtered_image = gaussian_filter(image, sigma=3)

# Display the original and filtered images
fig, axes = plt.subplots(1, 2, figsize=(12, 6))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')

axes[1].imshow(filtered_image, cmap='gray')
axes[1].set_title('Gaussian Filtered Image')
axes[1].axis('off')

plt.show()

输出

以上代码生成以下输出 -

示例 3

此方法说明了如何使用 Sobel 滤波器对原始 ascent 图像执行边缘检测。该滤波器分别在 x 和 y 轴上进行应用，结果作为边缘检测图像与原始图像一起生成。

import matplotlib.pyplot as plt
from scipy.ndimage import sobel
from scipy.misc import ascent

# load the ascent image
image = ascent()

# apply the Sobel filter to detect edges
sobel_x = sobel(image, axis=0)
sobel_y = sobel(image, axis=1)
edges = sobel_x + sobel_y

# Display the original image and the edge-detected image
fig, axes = plt.subplots(1, 2, figsize=(12, 6))
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].axis('off')

axes[1].imshow(edges, cmap='gray')
axes[1].set_title('Edge Detection using Sobel Filter')
axes[1].axis('off')

plt.show()

输出

以上代码生成以下输出 -