![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 77
champion564
低头学技术,抬头看世界,记录学习和变强的每一步
展开
-
滤波器种类、分类和原理【总结】
一、概述1.定义凡是可以使信号中特定的频率成分通过,而极大地衰减或抑制其他频率成分的装置或系统都称之为滤波器,相当于频率“筛子”。2.分类幅频特性如下频率通带:能通过滤波器的频率范围频率阻带:被滤波器抑制或极大地衰减的信号频率范围。截止频率:通带与阻带的交界点。2)按物理原理分:机械式、电路式按处理信号分:模拟、数字3.滤波器的作用1)将有用的信号与噪声分离,提高信号的抗干扰性及信噪比;2)滤掉不感兴趣的频率成分,提高分析精度;3)从复杂.原创 2022-05-10 15:37:29 · 2472 阅读 · 1 评论 -
图像处理之维纳滤波还原图像、直方图均值化【附代码、亲测有效】
这里是目录一、基础知识二、效果图三、代码一、基础知识维纳滤波(wiener filtering) 一种基于最小均方误差准则、对平稳过程的最优估计器。这种滤波器的输出与期望输出之间的均方误差为最小,因此,它是一个最佳滤波系统。它可用于提取被平稳噪声污染的信号。从连续的(或离散的)输入数据中滤除噪声和干扰以提取有用信息的过程称为滤波,这是信号处理中经常采用的主要方法之一,具有十分重要的应用价值,而相应的装置称为滤波器。根据滤波器的输出是否为输入的线性函数,可将它分为线性滤波器和非线性滤波器两种。维纳滤波器是原创 2022-05-24 14:13:29 · 2250 阅读 · 0 评论 -
图像处理之仿真运动模糊复原【使用逆滤波、维纳滤波】
目录一、基础知识二、问题分析三、效果图四、代码一、基础知识图像去模糊是一个经典的图像复原任务。造成图像模糊的原因有很多,可以主要分为三大类离焦模糊:场景中的物体处于成像景深范围之外而变得模糊。离焦模糊的去除一般对应着景深的扩展技术。像差模糊:镜头加工和制造的缺陷造成了物方的一个点在成像平面形成了一个弥散斑运动模糊:成像过程中相机运动或者场景变化所造成的不同空间位置信息的混叠而最常见的图像去模糊技术一般都是针对运动模糊的去除,因为运动模糊往往是拍摄者不想引入拍摄图像的。我们本次就简单介绍一下图原创 2022-05-24 14:04:11 · 2681 阅读 · 1 评论 -
图像处理/计算机视觉/python环境下如何用滤波器、算法恢复图片,对图片去污【附代码】
图片修复、图片恢复一、问题描述二、效果图三、代码附录一、问题描述利用算法处理受损受污染的图片,使其尽量复原二、效果图三、代码附录去污算法一import cv2from matplotlib import pyplot as pltfrom cv2 import INPAINT_NSfrom cv2 import INPAINT_TELEAimg = cv2.imread('')mask = cv2.imread('',0)dst1 = cv2.inpaint(img,mask原创 2022-05-21 09:41:57 · 815 阅读 · 1 评论 -
图像处理/计算机视觉/人工智能之深入理解KNN算法
深入理解使用KNN算法一. KNN 是什么?KNN用于分类KNN用来回归二. KNN算法要注意什么问题?K值的选择距离度量选择三. KNN的优缺点是什么?四. KNN的应用和它的场景?1. 将数据集分割成测试数据集和训练数据集3 使用KNeighborsClassifier 对象进行fit创建出模型,得出分类准确度KNN的初始函数(构造函数)的参数和默认参数是:一. KNN 是什么?KNN(K-Nearest Neighbor)是最简单的机器学习算法之一,可以用于分类和回归,是一种监督学习算法。它的思路原创 2022-05-21 09:40:47 · 520 阅读 · 0 评论 -
图像处理/人工智能/opencv之深入理解模板匹配算法
目录**1、什么是模板匹配****2、模板匹配算法****3、介绍opencv相关api**1、什么是模板匹配简单来说模板匹配就是通过现有的模板去与图片进行比较找出图中所匹配的图像例如网红脸傻傻分不清,可以用模板匹配来特定的网红,如见下图。检测的图片模板opencv官网对模板匹配的解释是:模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此,OpenCV带有一个函数cv2.matchTemplate()。它只是将模板图像滑动到输入图像上(就像在2D卷积中一样),然后在模板图像原创 2022-05-22 08:15:00 · 1729 阅读 · 0 评论 -
图像处理/计算机视觉/python环境下/如何用四种不同滤波器处理噪声【附代码、亲测有效】
计算机视觉实操之图像处理一、问题描述二、效果图三、代码附录一、问题描述向图片中分别加入椒盐噪声、高斯噪声,使用四种不同的滤波器观察图片的处理效果(算术均值滤波、几何均值滤波 、谐波均值滤波 、逆谐波均值滤波)二、效果图三、代码附录import cv2import numpy as npimport matplotlib.pyplot as pltimport scipyimport scipy.statsimport randomdef GaussieNoisy(image,si原创 2022-05-20 15:40:07 · 847 阅读 · 0 评论 -
图像处理/计算机视觉/python环境下/机器学习 之k近邻方法(KNN)、模板匹配算法对数据集的识别
机器学习一、问题描述二、效果图三、代码附录KNN算法模板匹配算法模板匹配算法二四、数据集附录一、问题描述采用KNN,模板匹配两种方法进行机器学习,切分训练集和测试集,从而实现对数据集的识别。这里的例子采用的数据集是200张图片,包括手写的不同的0-9图片各20张,以此观察KNN算法和模板匹配算法下对于图片的识别的准确度差别。二、效果图三、代码附录KNN算法import numpy as npimport osimport cv2from sklearn.model_selectio原创 2022-05-20 15:41:14 · 1427 阅读 · 0 评论 -
图像处理/计算机视觉/ python环境下如何用滤波器(/逆滤波/均值滤波/低通滤波/高通滤波)处理图片【附代码】
计算机视觉滤波器实操基础知识一、 计算机视觉技术中常见的几种滤波器二、滤波器相关知识应用一、问题分析二、结果图三、代码附录基础知识一、 计算机视觉技术中常见的几种滤波器1.理想的低通滤波器其中,D0表示通带的半径。D(u,v)的计算方式也就是两点间的距离,很简单就能得到。使用低通滤波器所得到的结果如下所示。低通滤波器滤除了高频成分,所以使得图像模糊。由于理想低通滤波器的过度特性过于急峻,所以会产生了振铃现象。2.巴特沃斯低通滤波器同样的,D0表示通带的半径,n表示的是巴特沃斯滤波器的次数。随着原创 2022-05-10 20:18:15 · 4087 阅读 · 1 评论