![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数字图像处理
Guopinglu
这个作者很懒,什么都没留下…
展开
-
《数字图像处理》-(8)形态学图像处理详细
1 形态学基本操作按数学方面来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,我们称之为A)与核(我们称之为B)进行卷积。核可以是任何的形状和大小,它拥有一个单独定义出来的参考点,我们称其为锚点(anchorpoint)。多数情况下,核是一个小的中间带有参考点和实心正方形或者圆盘,其实,我们可以把核视为模板或者掩码。1.1 膨胀膨胀:就是求局部最大值的操作。膨胀是求局部最大值的操作:核B与图形卷积,即计算核B覆盖的区域的像素点的最大值,并把这个最大值赋值给参考点指定的像素。对区域做膨胀时,相当原创 2020-09-04 14:59:39 · 1243 阅读 · 0 评论 -
《数字图像处理》-9 图像分割&halcon代码
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1,点,线,边缘检测1.1 点检测将嵌在一幅图像的恒定区域或亮度几乎不变的区域里的孤立点的检测,就是点检测。可以用点检测的模板来将孤立的点检测出来:这个模板的作用就是当模板中心是孤立点时,模板的相应最强,而在非模板中心时,相应为零。拉普拉斯模板:对计算出来原创 2020-09-04 14:58:17 · 1304 阅读 · 0 评论 -
《数字图像处理》-(3)-2频率域滤波
为了消除图像噪声,可以使用在空间域的滤波的方法,还可以使用在频率域的滤波器。本文将介绍在频率域的滤波方法。频率域滤波能够有效消减周期噪声。1频率域滤波器频率域滤波是指对一副图像的傅里叶变换进行相应的滤波处理,然后计算其反变换,得到处理后的空间域结果。1.1 频率域滤波公式式中,ζ-1 是IDEF(傅里叶反变换),F(u,v) 是输入图像 f(x,y) f(x,y)的DEF,H(u,v) 是滤波函数(简称为滤波器或滤波传递函数),g(x,y) 是滤波后的输出图像。函数 F 、H 和 g是大小与输入原创 2020-07-15 20:57:39 · 735 阅读 · 0 评论 -
《数字图像处理》-(3)-1从傅里叶级数到傅里叶变换详细推导以及傅里叶图像的性质
1 傅里叶级数到傅里叶变换公式推导1.1傅里叶级数傅里叶级数:周期信号都可以分解为有限或无限个正弦波或余弦波的叠加,且这些波的频率都是原始信号频率的整数倍。用傅里叶级数或变换表示的函数特征完全可以通过傅里叶反变换来重建,且不会丢失任何信息。在详细的公式推导之前,我想先分析一下频域和时域之间的关系:最前面黑色的线就是所有正弦波叠加而成的总和,也就是越来越接近矩形波的那个图形。而后面依不同颜色排列而成的正弦波就是组合为矩形波的各个分量。这些正弦波按照频率从低到高从前向后排列开来,而每一个波的振幅都原创 2020-07-15 16:30:24 · 3711 阅读 · 0 评论 -
《数字图像处理》-(2)灰度变换与空间滤波&halcon代码
1灰度变换最简单的形式是邻域为1x1的尺度 (即一单个像素)。在这种情况下(仅依赖于f在(x,y)点的值,T操作成为灰度级变换函数(也叫做强度映射),形式为:s=T®s和r是所定义的变量,分别是f(x,y)和g(x,y)在任意点(x,y)的灰度值。1.1图像反转灰度级范围为丨0,L-1丨的图像反转可由示于前图的反比变换获得,表达式为:s=L-1-r用这种方式倒转图像的强度产生图像反转的对等图像。这种处理尤其适用于增强嵌入于图像暗色区域的白色或灰色细节,特别是当黑色面积占主导地位时:1.2对原创 2020-07-11 16:25:35 · 1377 阅读 · 0 评论 -
《数字图像处理》-(1)数字图像基础+halcon代码
1基本概念图像是一个二维亮度函数f(x,y),(x,y)定义了空间坐标,f(x,y)该点的亮度或灰度。数字图像是指图像f(x,y)在空间坐标和亮度的数字化。数字图像是由有有限的元素组成的,每一个元素都有一个特定的位置和幅值,这些元素称为图像元素或像素2视觉感知人类的视觉系统能够适应光度级别范围很广,从夜视阈值到强闪光约有10^10量级。视觉系统不是同时在一个范围内工作。是通过灵敏度来完成这一较大变动的。称为亮度适应现象。马赫现象:它是一种主观的边缘对比效应。当观察两块亮度不同的区域时,边界处亮度对原创 2020-07-09 21:55:48 · 894 阅读 · 0 评论