Я применил фильтр Лапласа к изображению для обнаружения краев изображения.
import matplotlib.pyplot as plt
from skimage import filters
output= filters.laplace(image)
plt.imshow(output, cmap = 'gray')
plt.title('Laplace', size=20)
plt.show()
Мне нужно восстановить исходное изображение, используя вывод, полученный из приведенного выше кода.
Я не уверен, работает ли 'filters.inverse' или есть ли какой-либо другой доступный метод.
То, что вы ищете, называется деконволюцией. Если вы ищете «деконволюция scikit-image», вы, вероятно, попадете в документацию для Richardson-Lucy деконволюции или по адресу использование этого примера. Примечание: теоретически не всегда возможно восстановить исходный сигнал (это немного похоже на разведение краски), но вы можете получить разумные приближения, особенно если ваша свертка точно известна.
Вы можете посмотреть источник код для фильтра Лапласа, где вы видите, что изображение свернуто с помощью .py#L408-L449" rel="nofollow noreferrer">ядро Лапласа. Это ядро, которое нам нужно для деконволюции изображения. (Обратите внимание, что вы всегда можете регенерировать ядро, свернув изображение, содержащее только 1 в центре и 0 повсюду в остальных местах. Вот почему ядро в деконволюции называется функцией распространения точки.)
Итак, чтобы восстановить свой образ:
from skimage.restoration.uft import laplacian
from skimage.restoration import richardson_lucy
kernel_size = 3 # default for filters.laplace, increase if needed
kernel = laplacian(output.ndim, (kernel_size,) * output.ndim)
restored = richardson_lucy(output, kernel)
