数字图像处理
Marinaaaaa
这个作者很懒,什么都没留下…
展开
-
插值算法(最邻近内插法、双线性内插法)matlab实现
1. 最邻近插值法即是选取一个最靠近的像素为它的像素值,这是最简单的一种插值方法,不需要计算。在待求像素的四邻像素中,将距离待求像素最近的邻接像素灰度值赋予待求像素。设i+u, j+v(i, j为正整数, u, v为大于零小于1的小数,下同)为待求象素坐标,则待求象素灰度的值f(i+u, j+v) 如下图所示:如果(i+u, j+v)落在A区,即u<0.5, v<0.5,则将左上角象素的灰度值赋给待求象素,同理,落在B区则赋予右上角的象素灰度值,落在C区则赋予左下角象素的灰度值,落在D区则原创 2020-05-22 18:03:05 · 5284 阅读 · 0 评论 -
高斯核卷积去噪滤波原理
1.卷积应用原理:用一个模板和一幅图像进行卷积,对于图像上的一个点,让模板的原点和该点重合,然后模板上的点和图像上对应的点相乘,然后各点的积相加,就得到了该点的卷积值。对图像上的每个点都这样处理。由于大多数模板都是对称的,所以模板不旋转。卷积是一种积分运算,用来求两个曲线重叠区域面积。可以看作加权求和,可以用来消除噪声、特征增强。把一个点的像素值用它周围的点的像素值的加权平均代替。卷积是一种线性运算,图像处理中常见的mask运算都是卷积,广泛应用于图像滤波。卷积在数据处理中用来平滑,卷积有平滑效应和原创 2020-05-21 19:20:43 · 6230 阅读 · 0 评论 -
图像加入高斯噪声+高斯核卷积滤波matlab实现
如何在图像中添加标准偏差为10的高斯噪声?最直接的方式就是使用MATLAB提供的函数imnoise(), 根据帮助文档中的调用格式 J = imnoise(I, ‘gaussian’, M, V)(M 为均值,V为方差),想当然的将语句写为J = imnoise(I, ‘gaussian’, 0, 10^2),但是运行后发现完全不是预期的效果,因为加噪后的图像基本是一片白色,源图像几乎完全被淹没在噪声中。在经过仔细阅读文档后发现,其实MATLAB的说明文档已经写得很清楚,现摘出如下:...原创 2020-05-20 13:32:09 · 1472 阅读 · 1 评论