计算机视觉
文章平均质量分 65
googler_offer
这个作者很懒,什么都没留下…
展开
-
计算机视觉-高斯噪声
高斯噪声:高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声,通过概率论里关于正态分布的有关知识可以很简单的得到其计算方法,高斯噪声的概率密度服从高斯分布(正态分布)其中有means(平均值)和sigma(标准方差)两个参数。对于每个输入像素,我们可以通过与符合高斯分布的随机数相加, 得到输出像素: Pout = Pin + F(means,sigma)给一副数字原创 2017-11-19 21:44:17 · 1211 阅读 · 0 评论 -
传统去噪-小波去噪
传统去噪-小波去噪通过短波实现噪音消除,与高斯去噪的基本原理一致。小波变换具有如下特点:低熵性,小波系数的稀疏分布,使得图像变换后的熵降低多分辨率,由于采用了多分辨率的方法,可以刻画信号的非平稳特征去相关性,小波变换可以对信号进行去相关,且噪声在变换后具有白化趋势,所以小波域比时域更利于去噪对于小波去噪问题的本质是个函数逼近问题,如何在由小波母函数伸缩和平移版本所展成的函数空间中,根据提出的衡量准...原创 2018-07-12 21:50:02 · 6657 阅读 · 0 评论 -
计算机视觉-中值滤波
中值滤波:将n*n范围内像素点排序,选择其中值的灰度值来代替中间的灰度值如:以3*3的领域为例求中值滤波中像素5的值1)int pixel[9]中存储像素1,像素2...像素9的值;2)对数组pixel[9]进行排序操作;3)像素5的值即为数组pixel[9]的中值pixel[4]。中值滤波对处理椒盐噪声非常有效。均值滤波:就是以n*n范围内的像原创 2017-11-20 03:32:55 · 675 阅读 · 0 评论 -
计算机视觉-椒盐噪声
椒盐噪声:某个像素点变为白像素点 OpenCV版import cv2import numpy as nppath = 'E:/zhz/'def salt(img,n): for k in range(n): i = int(np.random.random()*img.shape[1]) j = int(np.random.random()*原创 2017-11-19 22:02:15 · 425 阅读 · 0 评论 -
计算机视觉-椒盐噪声输出
一个小实验,只是学习下Python语法而已import cv2import numpy as npfrom PIL import Imagefrom numpy import*from pylab import*import randompath = 'E:/zhz/'def salt(img,n): for k in range(n): i = int(原创 2017-11-20 03:01:57 · 326 阅读 · 0 评论 -
计算机视觉-理论杂谈
空间频率主要是图像的平滑或者粗糙程度,高空间频率区域比较粗糙,即图像的亮度值在小范围内变化很大,而平滑区,图像的亮度值变化相对较小,如平滑的水体表面等等。低通滤波主要用于加强图像中的低频成分,减弱高频成分,而高通滤波则刚好相反,加强高频细节,减弱低频细节。总结:高频滤波处理后的图像更加粗糙,高频滤波让频率高的通过,使图像具有锐化效果。低通滤波则刚好相反,它是让低频通过,使图像具有平滑效果。原创 2017-11-28 22:37:33 · 204 阅读 · 0 评论 -
计算机视觉-Canny边缘检测
Canny算子原理:Canny边缘检测算法是边缘检测的最优算法。最优边缘检测的三个主要评价标准是:低错误率:标识出尽可能多的实际边缘,同时尽可能的减少噪声产生的误报。高定位性:标识出的边缘要与图像中的实际边缘尽可能接近。最小响应:图像中的边缘只能标识一次。步骤:1,消除噪声。使用高斯平滑滤波器卷积降噪。下面显示了一个size=5的高斯内核实例:2,计算梯原创 2017-11-28 22:20:13 · 838 阅读 · 0 评论 -
计算机视觉-高斯滤波(二)
高斯滤波本代码只是利用高斯滤波API原理还是一样from PIL import Imagefrom pylab import *from numpy import*from scipy.ndimage import filtersimport copyim = array(Image.open("E:/zhz/lena.jpg"))r = im[:,:,0]g = im[:原创 2017-11-28 21:37:43 · 328 阅读 · 0 评论 -
计算机视觉-高斯滤波
高斯滤波高斯滤波:高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。高斯滤波是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和领域内的其他像素值经过加权平均后得到。高斯滤波的具体操作:用一个模板扫描图像中的每一个像素,用模板确定的领域内像素的加权平均灰度值去替代模板中心像素点的作用。高斯模糊:我们常说的高斯模糊使用高斯滤波器完成,高斯模糊原创 2017-11-28 21:27:48 · 1131 阅读 · 0 评论