![](https://img-blog.csdnimg.cn/20210204141100549.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
第2章 - 数字图像基础
文章平均质量分 82
了解图像取样与量化的基本知识,熟悉空间和灰度分辨率及它们对图像外观的影响,了解像素间的基本几何关系
jasneik
虽然快奔4了,但抵挡不信对图像处理与人工智能的技术狂热的追求。
不在工作中暴发,就是学习中暴发。
展开
-
第2章 Python 数字图像处理(DIP) --数字图像基础1 - 视觉感知要素 - 亮度适应与辨别
import numpy as npimport cv2import matplotlib import matplotlib.pyplot as pltimport PILfrom PIL import Imageprint(f"Numpy version: {np.__version__}")print(f"Opencv version: {cv2.__version__}")print(f"Matplotlib version: {matplotlib.__version__}")原创 2021-01-31 21:43:24 · 672 阅读 · 0 评论 -
第2章 Python 数字图像处理(DIP) --数字图像基础2 - 图像感知要素 - 图像取样和量化 - 空间分辨率和灰度分辨率
目录图像感知与获取一个简单的成像模型图像取样和量化空间分辨率和灰度分辨率图像感知与获取一个简单的成像模型我们用形如 f(x,y)f(x,y)f(x,y) 的二维函数来表示图像。在空间坐标 (x,y)处f(x, y)处 f(x,y)处f的值是一个标量,其物理意义由图像源决定,其值与物理源(如电磁波)辐射的能量成正比。因此,$ f(x,y) $ 一定是非负的和有限的,即0≤f(x,y)<∞(2.3) 0 \leq f(x, y) < \infty \tag{2.3} 0≤f(x,y)<原创 2021-02-03 21:05:33 · 1049 阅读 · 0 评论 -
第2章 Python 数字图像处理(DIP) --数字图像基础3 - 图像内插 - 最近邻内插 - 双线性插值 - 双三次内插 - 图像放大
图像内插内插通常在图像放大、缩小、旋转和几何校正等任务中使用。内插并用它来调整图像的大小(缩小和放大),缩小和放大基本上采用图像重取样方法最近邻内插,这种方法将原图像中最近邻的灰度赋给了每个新位置,这种方法简单,但会产生我们不想要的人为失真,如严重的直边失真。更合适的方法是双线性内插,它使用4个最近邻的灰度来计算给定位置的灰度。令(x,y)(x, y)(x,y)表示待赋灰度值的位置(可将它相像为前面描述的网格点)的坐标,令v(x,y)v(x, y)v(x,y)表示灰度值。对于双线性内插方法,所赋的值由如原创 2021-02-03 21:09:03 · 1046 阅读 · 0 评论 -
第2章 Python 数字图像处理(DIP) --数字图像基础4 -- 像素间的一些基本关系 - 邻域 - 距离测试
目录像素间的一些基本关系像素的相信像素import sysimport numpy as npimport cv2import matplotlib import matplotlib.pyplot as pltimport PILfrom PIL import Imageprint(f"Python version: {sys.version}")print(f"Numpy version: {np.__version__}")print(f"Opencv version: {cv2原创 2021-02-03 21:12:56 · 679 阅读 · 2 评论 -
第2章 Python 数字图像处理(DIP) --数字图像基础5 -- 算术运算、集合、几何变换、傅里叶变换等
import numpy as npimport cv2import matplotlib import matplotlib.pyplot as pltimport PILfrom PIL import Imageprint(f"Numpy version: {np.__version__}")print(f"Opencv version: {cv2.__version__}")print(f"Matplotlib version: {matplotlib.__version__}")原创 2021-01-31 22:50:25 · 772 阅读 · 0 评论