Python实践（13）：频域高通高斯滤波与拉普拉斯滤波结合

通过削减图像频谱中低频部分的强度，可以达到图像锐化的目的，从而建立起空间域图像锐化与频率域高通滤波之间的关联性。为了获得与前一章节中高斯低通滤波相反的效果，即实现高斯高通滤波，所采用的实现方式与前一章节的代码大致相同，仅在滤波函数上存在差异，其表达形式为

所编写的代码示例如下，图像内容依旧为常见的动漫女性头部图像，经过处理后，边缘部分呈现出极为清晰且显著的特征，而除边缘区域以外的其他部分则呈现出较为淡雅的色彩。随着sigma参数值的增加，边缘提取的精度也随之提升，然而过大的数值可能导致边缘信息出现断裂现象，即边缘连续性受到破坏，因此并不建议设置过高的数值。

 import cv2

    
 import numpy as np
    
  
    
 def GaussianHighFrequencyFilter(src, dst, sigma = 1):
    
  
    
 	im = cv2.imread(sr