![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
文章平均质量分 80
墨痕_777
这个作者很懒,什么都没留下…
展开
-
深度剖析图像处理 (—) bmp图像读入的方式
位深度是指在记录数字图像的颜色时,计算机实际上是用每个像素需要的位深度来表示的。计算机之所以能够显示颜色,是采用了一种称作“位”( bit ) 的记数单位来记录所表示颜色的数据。当这些数据按照一定的编排方式被记录在计算机中,就构成了一个数字图像的计算机文件。**“位”( bit )是计算机存储器里的最小单元,它用来记录每一个像素颜色的值。图像的色彩越丰富,“位”就越多。**每一个像素在计算机中所使用的这种位数就是“位深度”。术语很多,看起来并不是很好理解我们接着往下看。原创 2024-06-04 14:58:49 · 709 阅读 · 0 评论 -
翻译 Pre-training Graph Neural Networks
前一篇博文已经向大家介绍了图上的预训练模型,该预训练模型通过设计边重建、Centrality Score Ranking、保留图簇信息三种图预训练任务来生成节点embedding,以从局部到全局上捕获图结构信息的不同属性;然后,将预训练模型在特定的任务中做微调,最终应用于该特定任务中。本博文将向大家介绍来自论文。原创 2024-07-03 10:10:12 · 754 阅读 · 0 评论 -
数字图像处理之5.1 图像退化复原过程的模型
与图像增强相似, 图像复原的目的也是改善给定的图像.但图像增强主要是一个主观的过程, 而图像复原是一个客观的过程.图像恢复: 根据g(x, y), 获取关于原图像的近似估计f'(x, y)恢复的方法: 如果我们所知道的退化函数H和噪声n的信息愈多, 我们就能尽可能准确地估计原始输入图像.如果退化函数H是。原创 2024-06-19 01:00:00 · 140 阅读 · 0 评论 -
数字图像处理之平滑的频率域滤波
边缘和其他尖锐变化(如噪声)在图像的灰度级中主要处于傅里叶变换的高频部分. 因此, 平滑(模糊)可以通过衰减指定图像傅里叶变换中高频成分的范围来实现.目标是选择一个滤波器变换函数H(u, v)以衰减F(u, v)的高频成分产生G(u, v)理想低通滤波器巴特沃斯低通滤波器高斯低通滤波器。原创 2024-06-18 03:30:00 · 303 阅读 · 0 评论 -
数字图像处理之二维傅里叶变换
【代码】数字图像处理之二维傅里叶变换。原创 2024-06-18 00:45:00 · 383 阅读 · 0 评论 -
数字图像处理之空间滤波
锐化处理可以用空间微分来完成. 微分算子的响应强度与图像在该点的突变程度相关, 图像微分增强了边缘和其他突变(如噪声)而消弱了灰度变化缓慢的区域.平滑空域滤波的缺点和问题: 如果图像处理的目的是去除噪音, 那么, 平滑滤波在去除噪音的同时也钝化了图像的边和尖锐的细节.实现一种领域运算, 待处理像素点的结果由领域的图像像素以及相应的与领域有相同维数的。一种非线性滤波器《 它的响应基于图像滤波器包围的图像区域中像素的排序, 然后由。锐化处理的目的: 是突出图像中的细节或者增强被模糊了的细节.原创 2024-06-17 06:30:00 · 262 阅读 · 0 评论 -
数字图像处理之直方图均衡化及其python代码实现
直方图均衡化的目的: 寻找变换函数, 该函数产生有均匀直方图的输出图像. 也就是得到一幅灰度级丰富且动态范围大的图像;直方图均衡化的关键: 寻找变换函数, 该函数产生有均匀直方图的输出图像.该函数仅仅依靠输入图像直方图中的信息就可以自动达到这一点;原创 2024-06-17 05:00:00 · 193 阅读 · 0 评论 -
图像处理学习笔记(六)
在图像信息处理模型中引入一个被视为尺度的参数,通过连续变化尺度参数获得多尺度下的尺度空间表示序列,对这些序列进行尺度空间主轮廓的提取,并以该主轮廓作为一种特征向量,实现边缘、角点检测和不同分辨率上的特征提取等。等缺点,如下图7.1所示,对模糊的图像和边缘平滑的图像,检测出的特征点过少,对圆更是无能为力。一个定义不好的高斯差分算子的极值在横跨边缘的地方有较大的主曲率,而在垂直边缘的方向有较小的主曲率。以上方法检测到的极值点是离散空间的极值点,以下通过拟合三维二次函数来精确确定关键点的位置和尺度,原创 2024-06-13 00:30:00 · 1018 阅读 · 0 评论 -
图像处理 学习笔记(四)
点、线和边缘是亮度不连续的三种基本类型。是空间滤波。原创 2024-06-12 00:30:00 · 1071 阅读 · 0 评论 -
图像处理 笔记(三)
原理数学上,膨胀定义为集合运算。A被B膨胀,记为A⊕Bz∣Bz∩A∅其中,B为结构元素,B为B的映像,定义为Bω∣ω−bbϵB。Bz为点zz1z2对集合B的平移运算,定义为Bzc∣cbzbϵB总之,A⊕B是所有结构元素原点位置组成的集合,其中映射并平移后的B至少与A的某些部分重叠。原创 2024-06-12 00:15:00 · 970 阅读 · 0 评论 -
【无标题】
彩色图像处理索引图像概念一幅索引图包含一个数据矩阵data和一个调色板矩阵map,数据矩阵可以是uint8,uint16或双精度类型的,而调色板矩阵则总是一个m×3的双精度矩阵索引图像相比彩色图像,文件更小,主要用于网络上的图片传输和一些对图像像素、大小等有严格要求的地方imshow(X, copper),copper为MATLAB内置彩色映射图像“抖动”(用黑白二值图产生灰色调)bw= dither(gray_img)%灰度图转换为二值“抖动”图rgb2ind对减少RGB图像的色彩原创 2024-06-11 15:15:00 · 708 阅读 · 0 评论 -
【无标题】
数学原理IcIγMATLABpython。原创 2024-06-11 15:00:00 · 597 阅读 · 0 评论 -
图像处理基本知识(一)
使用MATLAB图像处理工具箱IPT函数,并且本书开发了新函数,每个函数的源代码包含在各章节或附录C中。原创 2024-06-11 14:30:00 · 701 阅读 · 0 评论 -
基于 DCT 的 图片嵌入与提取 matlab
DCT算法将图像从空间域转换到频率域,通过这一转换,图像数据的能量主要集中在少数的DCT系数上,这种特性使得DCT成为一种非常有效的图像压缩方法。这些系数包含了图像的频率信息,即图像的细节和纹理。首先,我明白了DCT算法可以将图像从空间域转换到频率域,通过这一转换,图像数据的能量主要集中在少数的DCT系数上,这种特性使得DCT成为一种非常有效的图像压缩方法。综上所述,这次试验让我对数字图像处理中的DCT算法有了更深入的理解和认识,同时也让我对水印技术在水印嵌入和提取方面的应用有了更直观的认识。原创 2024-06-06 20:11:17 · 574 阅读 · 0 评论 -
深度剖析图像处理 (五) 图像处理与图像分析—图像统计特性的计算(C语言)
根据输入的灰度图像,分别计算图像的均值、方差等统计特征,并计算图像的直方图特征并以图形方式显示图像的直方图(用C或C++语言实现)。学习将会依据教材图像处理与图像分析基础(C/C++)版内容展开在上个笔记中,我们成功对bmp图像进行了读取,那么这次我们将会尝试计算图像的均值、方差等统计特征,并计算图像的直方图特征并以图形方式显示图像的直方图那么上笔记的代码已经可以实现:图片的读取,分析灰度值,那么我们只需要再加上后面三个功能即可。原创 2024-06-05 09:00:00 · 948 阅读 · 0 评论 -
深度剖析图像处理 (四) 图像处理与图像分析—图像增强(C语言)
我们将从基础出发使用C语言进行图像处理与分析,重点讨论图像增强和平滑技术。图像增强技术旨在通过增加对比度、亮度和整体清晰度来改善图像的视觉质量。另一方面,图像平滑方法则用于减少噪声并减少图像中的突变,使图像更加均匀和视觉上吸引人。使用C语言作为实现方式是因为只有当你手敲一遍这些代码,你才会对这些方法有更加深刻的理解我们在前两次的笔记中已经实现了图像处理的基本操作分别是今天的目标实际上也很小,我们的目标就是实现书上一共讲了两种办法,分别是我们一个一个来尝试。原创 2024-06-05 09:15:00 · 869 阅读 · 0 评论 -
深度剖析图像处理 (六) 图像平滑与噪声滤波
图像平滑与噪声滤波噪声在数字图像处理中,噪声是指在图像中引入的不希望的随机或无意义的信号。它是由于图像采集、传输、存储或处理过程中的各种因素引起的。噪声会导致图像质量下降,使图像失真或降低细节的清晰度。它通常表现为图像中随机分布的亮度或颜色变化,类似于图像上的颗粒、斑点或像素偏移。那么噪声如何避免呢?在图像数字处理和图像分析的算法中,为了保持一定的稳健性,一般需要先对原始图像做一定的滤波处理—图像预处理图像平滑数字图像处理中,作用于去掉图像噪声的各种滤波方法统称为图像平滑,那么图像平滑原创 2024-06-04 17:03:44 · 386 阅读 · 0 评论 -
深度剖析图像处理 (二) 图像的读入(C语言)
一副图像可以定义为一个二维函数 f(x,y) ,其中 x 和 y 是空间(平面)坐标,任意一对空间坐标 (x,y) 处的幅度值 (x,y) 称为图像在该坐标点的强度或灰度。当 x,y 和灰度值 f 都是有限的离散量时,我们称该图像为数字图像。数字图像处理是指借助于数字计算机来处理数字图像。注意,数字图像由有限数量的元素组成,每个元素都有一定的位置和数值,这些元素称为像素。原创 2024-06-05 08:45:00 · 1001 阅读 · 0 评论 -
深度剖析图像处理 (三) 边缘检测
那么到目前为止,我们已经可以成功的进行边缘检测接下来就是边缘增强,边缘分割等相关内容,会尽快更新。原创 2024-06-04 14:53:08 · 931 阅读 · 0 评论 -
matlab 提取图片亮度信息
【代码】matlab 根据提取图片亮度信息。原创 2024-06-04 11:11:20 · 455 阅读 · 2 评论 -
基于matlab 的 图像去噪实验
⾼斯加权均值滤波器是⼀种更⾼级的滤波器,它在计算均值时为每个像素分配不同的权重。这些权重是根据⾼斯函数确定 的,使得靠近中⼼像素的像素具有更⾼的权重。⾼斯滤波器常⽤于图像处理中,因为它能够有效地减少噪声,同时保持图 像的边缘和细节。中值滤波是⼀种⾮线性滤波,在处理脉冲噪声以及椒盐噪声时效果极佳,能够有效的保护好图像的边缘信息。中值滤波的 处理思路很简单,取卷积核当中所覆盖像素中的中值作为锚点的像素值即可。均值滤波器会将噪声点使⽤领域内的像素来平滑抹除,但是去噪的同时也会导致丢失⼀些细节信息。原创 2024-06-04 10:51:36 · 293 阅读 · 0 评论