数字图像处理
数字图像处理笔记及代码案例分享
haoxuejie
这个作者很懒,什么都没留下…
展开
-
频域滤波——高斯低通滤波器
使用三种sigma取值的高斯低通滤波器实现平滑图像。原创 2023-10-04 23:48:09 · 257 阅读 · 1 评论 -
频域滤波——使用填充与不使用填充的对比
以下图片在截止频率较小时可以看出有振铃现象,另外在随着截止频率增大,滤波后图片整体都跟着变暗了,且当截止频率为460时,整个图片都变成黑色了。以下是不是用填充,应用理想低通滤波器,1-5张图在截止频率分别为:10、30、60、160、460,第6个图像是原始图片。原创 2023-10-04 22:11:34 · 354 阅读 · 1 评论 -
频域滤波——对比频域中三种低通滤波
对比上述三种低通滤波器,性能来看ILPF原创 2023-10-04 12:13:56 · 543 阅读 · 1 评论 -
频域滤波——快速傅里叶变换
要想使用快速傅里叶变换需要对原图像进行扩充到适于进行DFT的最优尺寸,cv.getOptimalDFTSize() 函数可以实现图像的最优 DFT 尺寸扩充,适用于 cv.dft() 和 np.fft.fft2()。cv.DFT_COMPLEX_OUTPUT:对一维或二维实数数组进行正向变换,默认方法,结果是由 2个通道表示的复数阵列,第一通道是实数部分,第二通道是虚数部分。黑线是指数,绿线是对数。cv.DFT_REAL_OUTPUT:对一维或二维复数数组进行逆变换,结果通常是一个尺寸相同的复数矩阵。原创 2023-10-03 13:47:09 · 133 阅读 · 0 评论 -
频域滤波——频率域滤波的基本思路及算法实现
频域滤波基本思路原创 2023-10-03 02:00:22 · 177 阅读 · 0 评论 -
频域滤波——opencv实现图像的傅里叶变换
在上代码中 cv2.magnitude()求得的频谱,没有专门再使用归一化方法对频谱图映射到(0,255),只是对频谱进行了对数增强变换。计算频谱幅度:返回值=cv2.magnitude(参数1,参数2) 参数1是dft中双通道的第一个值,参数2是dft中双通道的第二个值,原创 2023-10-03 00:51:46 · 271 阅读 · 0 评论 -
频域滤波——(FFT_By_Numpy)numpy实现图像的二维离散傅里叶变换
(1,1)是原始图像,(1,2)经过傅里叶变换后的频谱图,(1,3)将傅里叶变换后的频谱中低频中心话后的图像。(2,1)是将(1,2)的频谱经过对数变换后的频谱图,(2,2)是将(1,3)中的频谱经过对数变换后的频谱图。(3,3)是对(1,2)进行傅里叶逆变换后的频谱图。图像的二维离散傅里叶变换和傅里叶逆变换代码实现。原创 2023-10-02 22:22:32 · 264 阅读 · 1 评论 -
数字图像处理——混叠与抗混叠
不同轴域的标签叠在一起了,tight_layout会自动调整子图参数,使之填充整个图像区域。这是个实验特性,可能在一些情况下不工作。它仅仅检查坐标轴标签、刻度标签以及标题的部分。通过plt.title()给每个图像加标题。原创 2023-10-02 22:02:06 · 386 阅读 · 1 评论