![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
文章平均质量分 75
allen5115
这个作者很懒,什么都没留下…
展开
-
梯形低通滤波器
梯形低通滤波器类似上篇巴特沃斯低通滤波,只是其转移函数不同。梯形低通滤波器的转移函数如下:式中,D0为截止频率,D1可以任取,但要求D1>D0。两个都不能为负。D(u,v)也是从频率域的原点到(u,v)的距离,计算公式在理想低通滤波那里介绍过。import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplimport suanfa as sfmpl.rcParams转载 2020-07-24 10:37:44 · 4735 阅读 · 1 评论 -
理想低通滤波
理想低通滤波是滤掉高频部分,仅允许低频通过,以去掉噪声,使图像得到平滑。1. 将图像进行傅里叶变换,将低频移至中心2. 在频域进行处理,首先,计算理想低通滤波器,然后将其与傅里叶频谱相乘。3. 傅里叶反变换回空间域import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplimport suanfa as sfmpl.rcParams['font.sans-serif']转载 2020-07-24 09:36:42 · 5524 阅读 · 0 评论 -
傅里叶变换
**傅里叶变换**对图像的傅里叶变换,就是将图像从图像空间变换到频率空间,从而可以在频率域对图像进行处理。1、傅里叶变换及其反变换在numpy中自带了函数fft2进行二维傅里叶变换,它其实是离散快速傅里叶变换。在频率域对图像进行处理后,要将其反变换到空间域才能显示图像。可用函数 np.fft.ifft2()函数进行傅里叶反变换。import cv2 as cvimport numpy as npfrom matplotlib import pyplot as plt i...转载 2020-07-23 22:36:59 · 284 阅读 · 0 评论 -
双边滤波
双边滤波是一种非线性的滤波方法,能够保持边界清晰的情况下有效的去除噪声,它拥有类似相机里美颜的效果。双边滤波之所以能够做到保边去噪的效果,是由于它的有两个核:空间域核和值域核,比高斯滤波只有一个值域核多了一个。空间域核是由像素位置欧式距离决定的模板权值。值域核是由像素值的差值决定的模板权值。具体计算公式请直接百度,网络上有非常多的推导,理论。可以用opencv自带的函数bilateralFilter()来实现双边滤波。bilateraFilter(src, d, sigmaColor, sigm转载 2020-07-23 17:25:55 · 220 阅读 · 0 评论 -
高斯滤波
高斯滤波是一种线性平滑滤波,对于消除高斯噪声有很好的效果,对于服从正态分布的噪声非常有效。高斯滤波就是对整幅图像进行加权平均的过程,与均值滤波类似,不同的是,均值滤波的模板系数均为1,而高斯滤波的模板系数是计算出来的。高斯滤波的详细操作是:用一个模板(或称卷积、掩模)扫描图像中的每个像素。用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。自己写代码挺麻烦,可以用opencv自带的函数GaussianBlur()来实现高斯滤波。import cv2 as cvimport suanfa转载 2020-07-23 17:16:13 · 337 阅读 · 0 评论 -
Prewitt边缘检测算子
Prewitt算子也是一种一阶微分算子,用于边缘检测。与Robert使用22的模板不同,Prewitt算子使用的是33的模板,利用像素点上下、左右邻点的灰度差来检测边缘,故其边缘检测结果在水平方向和垂直方向均比Robert算子更加明显。其数学表达式如下:G(i) = | f(i-1, j-1) + f(i-1,j)+f(i-1,j+1) - [f(i+1,j-1)+f(i+1,j)+f(i+1,j+1)] |G(j) = | f(i-1, j+1) + f(i,j+1)+f(i+1,j+1) - [f转载 2020-07-23 16:55:49 · 5425 阅读 · 0 评论