图像处理
文章平均质量分 55
L888666Q
这个作者很懒,什么都没留下…
展开
-
计算两幅图像的位移距离
首先对于每个像素(i, j),计算以(i, j)为中心的2H2W的矩形区域内图像1和图像2之间的差值之和,并对计算面积(400)以及对图像边界进行了一定的限制判断,然后将差值之和均值的最小值将其作为最佳匹配位置。最后,函数根据最佳匹配位置计算出图像2相对于图像1的平移量(dx,dy)和距离(distance)。原创 2023-06-02 10:48:25 · 1185 阅读 · 0 评论 -
图像相似度计算方法和代码实现
在计算机视觉中,互相关系数常用于比较两幅图像的相似程度。原创 2023-06-02 10:24:56 · 1094 阅读 · 0 评论 -
Python傅里叶变换与霍夫变换
傅里叶变换(简称FT),常用于数字信号处理,它的目的是将时间域上的信号转变为频率域上的信号。傅里叶定理指出“任何连续的周期信号都可以表示成(或无线逼近)一系列正弦信号的叠加”。基于傅里叶变换的高通滤波和低通滤波,详见python实现图像添加噪声、噪声处理、滤波器代码实现_L888666Q的博客-CSDN博客霍夫变换是一种特征提取(feature extraction),被广泛应用在图像分析。原创 2022-10-08 18:17:17 · 699 阅读 · 0 评论 -
Python图像锐化及边缘检测(Roberts、Prewitt、Sobel、Lapllacian、Canny、LOG)
图像锐化(image sharpening)是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰,分为空间域处理和频域处理两类。图像锐化是为了突出图像上地物的边缘、轮廓,或某些线性目标要素的特征。这种滤波方法提高了地物边缘与周围像元之间的反差,因此也被称为边缘增强。原创 2022-10-08 16:27:15 · 11448 阅读 · 2 评论 -
Python图像增强之直方图均衡化(全局直方图均衡、局部直方图均衡)
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。全局直方图均衡该方法主要优点是算法简单、速度块、可自动曾倩图像;缺点是对噪声敏感、细节信息容易丢失,在某些结果区域产生过增强的问题。局部直方图均衡该方法优点是局部自适应,可最大限度的增强图像细节;缺点是增强图像质量操控困难,会随之引入噪声。原创 2022-10-08 14:48:10 · 8341 阅读 · 2 评论 -
Python图像平滑滤波处理(均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波)
图像平滑是指受传感器和大气等因素的影响,遥感图像上会出现某些亮度变化过大的区域,或出现一些亮点(也称噪声)。这种为了抑制噪声,使图像亮度趋于平缓的处理方法就是图像平滑。图像平滑实际上是低通滤波,平滑过程会导致图像边缘模糊化。原创 2022-10-08 13:53:41 · 7178 阅读 · 1 评论 -
python实现图像添加噪声、噪声处理、滤波器代码实现
加载图像添加噪声图像傅里叶变换和反变换并可视化图像处理---高通滤波、低通滤波、带通滤波低通滤波器---Butterworth低通滤波器、理想低通滤波器、高斯低通滤波器原创 2022-09-21 17:11:52 · 5903 阅读 · 2 评论 -
OpenCV在VS2013的环境配置
转载:https://jingyan.baidu.com/article/6181c3e0a39c46152ff15364.html转载 2021-01-20 15:02:07 · 138 阅读 · 0 评论 -
图像处理:C代码实现 椒盐噪声的添加和中值滤波去除椒盐噪声
椒盐噪声简介:椒(pepper)即表示图像中某像素处的值为0(黑色),盐(salt)即表示图像中某像素处的值为255(白色); 产生椒盐噪声的思路: 产生两个随机数(xPosition和yPosition),用来在图像中该坐标处添加椒盐点; 产生一个随机数,用来决定在1中的坐标点上添加椒点还是盐点; 注意事项:产生椒盐噪声的椒盐个数和椒盐颗粒的大小均需要通过参数设置,并且本程序是给灰度图片添加噪声。 代码如下:int peppersalt(unsigned char* buffer,原创 2021-01-12 17:42:53 · 2411 阅读 · 4 评论 -
图像处理之:最大类间方差法法进行图像二值化处理
方法简介:g=ω0ω1(μ0-μ1)^2对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1,类间方差记为g。采用遍历的方法得到使类间方差最大的阈值Tint Process::image_binary(unsigned char* buffer, int w, int h){ int height = h; int width = w; int size = h*w.原创 2021-01-12 11:06:26 · 838 阅读 · 0 评论 -
灰度图像简单二值化方法
方法原理:1.算出图像的均值2.判断每个像素值,大于均值的赋值为255,小于均值的赋值为0示例代码如下:void img_binary(unsigned char* img, int h, int w){ int i, j; int totalPixValue = 0; int mean = 0; for (i = 0; i < h; i++) { for (j =原创 2016-08-12 18:37:35 · 2302 阅读 · 0 评论 -
灰度图像拉伸方法
方法原理:1.找到该灰度图像灰度值的最大值(max_value)和最小值(min_value)2.确定拉伸后的灰度范围HistogramStrench_min~HistogramStrench_max3.遍历灰度图像(image)得到拉伸后的灰度图像公式如下:image[i] = HistogramStrench_min + (((image[i] - min_value) *...原创 2016-08-11 19:22:04 · 7150 阅读 · 0 评论 -
直方图均衡化实现
代码如下://直方图均衡化void histogram_equalization(unsigned char* img, int h, int w){ int i, j; int pixNum[256] = { 0 }; float pixP[256] = { 0 }; float pixNormalize[256] = { 0 }; int maxpix = img[0];原创 2016-08-10 20:11:00 · 633 阅读 · 0 评论 -
灰度图像覆盖率计算
方法原理:1.对灰度算均值并二值化图像2.利用二值化后的图像,遍历每个点,把符合条件的点邻域的点都设置为覆盖区,3.再遍历一遍处理后的图像计算覆盖率代码如下:double img_coverage_calculate(unsigned char *img, int h, int w){ int i, j, n, m; int sum = 0,mean = 0; int原创 2016-08-18 16:16:37 · 2268 阅读 · 0 评论