- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 数字图像处理的python实践(13)——频域高通高斯滤波和拉普拉斯滤波
图像的锐化可以通过衰减图像频谱中的低频成分来实现，这建立起了空间域图像锐化和频率域高通滤波之间的对应关系。我们想要实现和上一章中高斯低通滤波相反的效果，即高斯高通滤波，实现的方法和上一章的代码基本一致，就是滤波函数有所不同，形式为 实现的代码如下，图像还是那熟悉的动漫女头，处理后边缘显得很清晰很突出，而除了边缘外其他的区域的颜色都是浅色。当sigma的数值越大，边缘提...
2019-07-15 15:08:58
6611
原创 数字图像处理的python实践(12)——频域低通滤波器和高斯低通滤波器
上一章中学习了一维离散傅里叶变换的概念和实现。但在具体的图像中实现还是有点不足，首先我们需要输入图像的尺寸都是2的整数次幂，这个条件太过苛刻了，如果使用Resize又会损失信息。目前还是以熟悉为主，所以选择用numpy自带的方法来进行频域的转换。 那么很简单的，首要就是试一下把一张图片从空间域转换到频域上，然后在频域上分解成幅度谱和相位谱，然后再反过来利用幅度谱和相位...
2019-07-14 19:42:42
10127
1
原创 数字图像处理的python实践(11)——傅里叶变换和快速傅里叶变换
前面接触了空间域图像增强，现在要来学习频率域的图像增强。 对于一维的连续函数，定义域为整个时间轴的非周期函数f(t)，它的傅里叶变换为 对应的逆傅里叶变换为 一维的离散函数 (其中x=0，1，2，...，M-1) 的傅里叶变换和逆变换为 对于二维的情况，二维连续函数f(x,y)的傅里叶变换...
2019-07-08 13:52:34
7406
1
原创 数字图像处理的python实践(10)——高提升滤波
回忆下我们之前使用的一阶微分的Robert、Sobel算子或者是二维的拉普拉斯算子，其中各个系数之和都为0。说明了算子在灰度恒定的区域的响应为0，这就导致了我们在锐化之后的图像中，除了边缘处之外的区域都变成了黑色，只有高灰度值的边缘、细节和灰度跳变点作为黑背景中的高灰度部分突出显示。我们更加希望，在基于锐化的图像增强中，可以保留原图像中的信息，所以可以将原图像和锐化后的图像相加来得到...
2019-07-06 06:45:38
1386
2
原创 数字图像处理的python实践(9)——图像锐化
图像锐化是和平滑相反的操作，目的是为了使模糊的图像变得清晰。既然是相反的目的，那么操作应该也是相反的，平滑使用的是图像邻域的加权求和或者是积分运算，而锐化则是使用求导数(梯度)或有限差分来实现。基于一阶导数的图像增强——梯度算子 对于二维的连续函数，在点(x,y)处的梯度为 其中两个偏导数的计算公式为 梯度的幅值作为...
2019-07-04 20:21:24
29027
3
原创 数字图像处理的python实现(8)——中值滤波
无论是平均平滑还是高斯平滑，在处理图像噪声时，都或多或少会对图片产生一定的模糊，损失部分信息。较为理想的情况，是可以选择性地进行滤波，只在噪声区域进行平滑，而在无噪声区域不进行平滑，将模糊的影响降到最低，这就是自适应性滤波的思想。通常噪声的存在，可能会使得附近邻域内，极值的上下差距较大，或者是方差较大，我们可以设置一定的阈值来判断该点是否需要进行平滑。不过这个不是该章节的内容，这一...
2019-07-04 13:56:53
31247
17
原创 数字图像处理的python实践(7)——图像平滑和高斯平滑
滤波是信号处理中的概念，指的是将信号中特定波段频率滤除的操作。在图像处理中，和通过傅里叶变化实现的频域下的滤波是等效的，所以也称为滤波。首先要学习的是空间域滤波，主要是基于邻域(空间域)对图像中的像素执行计算，这个术语用来区分之后会学习的频率域滤波。 所谓平滑，主要目的是为了减少和抑制图像中的噪声，在空间域中使用邻域平均的方法来实现。最最简单的就是平滑模板，是下方公式...
2019-07-02 16:13:15
6008
2
原创 数字图像处理的python实践(6)——双线性插值算法
该章节的目的是讨论双线性插值在图像旋转中的效果。基本引用上一篇文章中的旋转的代码，其中使用的是最近邻插值，取而代之。 线性插值，一维情况下，即我们有两个点，，现在要用线性插值求的数值为 那么双线性插值也是一样的思维，从下图中可以看出，现在一个方向上做插值，然后再在另一个方向上做插值，得到的结果即使我们点所要取的数值。图片引用自百度百科 ...
2019-07-01 14:51:55
1926
lane-and-obstacle-detection-based-on-fast-inverse-perspective-ma.pdf
2019-08-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人