图像
文章平均质量分 72
图像
@一头雾水@
这个作者很懒,什么都没留下…
展开
-
图像边缘检测 Canny边缘检测
底下有详细代码一、介绍1、图像检测的原理。 图像检测的原理是检测相邻的几个点像素值之间的变化率,相对于对函数求导。求点P(x,y)的变换率,可以在点P周围选取一些点,求x方向的距离Gx,再求y方向上的距离Gy。最后变换率G等于Gx平方加上Gy平方的和的平方差,即G=Math.sqrt(Gx^2+Gy^2)。2、Canny算子。 Canny算子对噪声不...原创 2019-11-26 17:33:17 · 14851 阅读 · 1 评论 -
图像边缘检测 Laplacian边缘检测
底下有详细代码一、介绍1、图像检测的原理。 图像检测的原理是检测相邻的几个点像素值之间的变化率,相对于对函数求导。求点P(x,y)的变换率,可以在点P周围选取一些点,求x方向的距离Gx,再求y方向上的距离Gy。最后变换率G等于Gx平方加上Gy平方的和的平方差,即G=Math.sqrt(Gx^2+Gy^2)。2、Laplacian算子。 拉普拉斯算子对...原创 2019-11-26 17:12:42 · 16201 阅读 · 1 评论 -
图像边缘检测 Sobel边缘检测
底下有详细代码一、介绍1、图像检测的原理。 图像检测的原理是检测相邻的几个点像素值之间的变化率,相对于对函数求导。求点P(x,y)的变换率,可以在点P周围选取一些点,求x方向的距离Gx,再求y方向上的距离Gy。最后变换率G等于Gx平方加上Gy平方的和的平方差,即G=Math.sqrt(Gx^2+Gy^2)。2、Sobel算子。 索贝尔算子对噪声不敏感...原创 2019-11-19 23:47:23 · 17388 阅读 · 0 评论 -
图像边缘检测 Prewitt边缘检测
底下有详细代码一、介绍1、图像检测的原理。 图像检测的原理是检测相邻的几个点像素值之间的变化率,相对于对函数求导。求点P(x,y)的变换率,可以在点P周围选取一些点,求x方向的距离Gx,再求y方向上的距离Gy。最后变换率G等于Gx平方加上Gy平方的和的平方差,即G=Math.sqrt(Gx^2+Gy^2)。2、Prewitt算子。 Prewitt算子...原创 2019-11-19 23:40:04 · 15521 阅读 · 0 评论 -
图像边缘检测 Reberts边缘检测
1、图像检测的原理。图像检测的原理是检测相邻的几个点像素值之间的变化率,相对于对函数求导。求点P(x,y)的变换率,可以在点P周围选取一些点,求x方向的距离Gx,再求y方向上的距离Gy。最后变换率G等于Gx平方加上Gy平方的和的平方差,即G=Math.sqrt(Gx^2+Gy^2)。2、Roberts算子。Roberts算子对噪声敏感。又称罗伯茨算子,是一种最简单的算子,是一种利用局部差分算子寻找边缘的算子。他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。原创 2019-11-19 23:29:41 · 14350 阅读 · 0 评论 -
图像处理 傅里叶滤波
低频滤波,将频谱图中间的保留住,会使原图像变模糊。高频滤波,将频谱图中间的去除,会保留原图像的边缘。将低频部分移到中间,就是将矩阵的第一象限和第三象限对调,第二象限和第四象限对调。2、主流程代码(FourierTest .java)。可以查看我的关于傅里叶变换的代码。三、高频率和低频滤波。7、低频,半径10。8、低频,半径20。9、低频,半径30。原创 2019-11-17 01:45:31 · 15576 阅读 · 4 评论 -
图像处理 中值滤波
1、选择一张椒盐噪声比较明显的图片。椒盐噪声,椒盐噪声又称脉冲噪声,它随机改变一些像素值,是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。2、代码。生成模版半径分别是3、5和7的图片。package com.zxj.reptile.test.mnist;import com.zxj.reptile.utils.image.Image...原创 2019-11-05 00:07:52 · 16289 阅读 · 0 评论 -
图像处理 高斯滤波(带权值的均值滤波)
1、一维高斯滤波。a表示得到曲线的高度,u是指曲线在x轴的中心, σ指width(与半峰全宽有关,即平方差)。2、二维高斯滤波。原创 2019-11-04 20:34:42 · 20941 阅读 · 8 评论 -
图像处理 均值滤波
均值滤波采用线性的方法,平均整个窗口范围内的像素值,均值滤波本身存在着固有的缺陷。它不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊。均值滤波只适合处理高斯噪声的图片,而对椒盐噪声的处理则十分的不理想。当模版的长度越长,则图像就会越加的模糊。1、选择一张高斯噪声比较明显的图片。高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。如果一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的,则称它为高斯白噪声。生成模版半径分别是3、5和7的图片。原创 2019-11-01 15:49:46 · 16239 阅读 · 1 评论 -
图像处理 噪声、滤波简介
这基本是不可能做到的。均值滤波采用线性的方法,平均整个窗口范围内的像素值,均值滤波本身存在着固有的缺陷,即它不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊,不能很好地去除噪声点。中值滤波采用非线性的方法,它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘,选择适当的点来替代污染点的值,所以处理效果好,对椒盐噪声表现较好,对高斯噪声表现较差。椒盐噪声,椒盐噪声又称脉冲噪声,它随机改变一些像素值,是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。原创 2019-11-01 00:06:36 · 16795 阅读 · 1 评论 -
图像处理 图片二值化和获取不同图像通道的图片
图像二值化( Image Binarization)就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中,二值图像占有非常重要的地位,图像的二值化使图像中数据量大为减少,从而能凸显出目标的轮廓。在Photoshop中有一个很重要概念叫图像通道,在RGB色彩模式下就是指那单独的红色、绿色、蓝色部分。也就是说,一幅完整的图像,是由红色绿色蓝色三个通道组成的。他们共同作用产生了完整的图像。下面我会介绍这7种方法,以下图所示的源图为例。原创 2019-10-29 21:29:54 · 15339 阅读 · 1 评论 -
图像处理 彩色图转化成灰度图
因为彩色图片每个像素有三个字节(24bit)的值,怎么样才能取到一字节(8bit)的灰度等级呢。我们一般有7种方法:最小值法、最大值法、平均值法、加权法、红色值法、绿色值法和蓝色值法。三通道一般指彩色图片,分别为R、G、B通道,我们所见的彩色图片,则是这三个通道叠加的效果。四通道一般是指在三通道的基础上再加上一个透明度的通道。单通道一般指灰度图,但是三通道如果每个像素的三个通道值都相等的话,我们也称为灰度图。生成两个文件夹,一个存放单通道的图像,另一个存放是三通道的图像。至于使用哪种方法,要看具体的例子。原创 2019-10-29 21:00:33 · 16503 阅读 · 2 评论 -
Mnist数据集 将其转化为图片
所以初始化BufferedImage的时候要用TYPE_INT_GRAY,只有8bit大小的存储空间,图片的存储空间也比其他如TYPE_INT_RGB类型生成的小。3、读取图片的方法,返回一个byte[][]数组,第一个[]代表的是第几个图片,第二个[]代表的是该图片的内容。演示的是生成测试集的图片,一共有10000个图片,生成10个文件夹,每个文件夹中有1000个图片。如果要生成训练集的图片,将main()方法中的,源文件和目标文件的路径改成相应的就可以了。准备生成第8个有1000个图像的文件夹,原创 2019-10-28 21:19:08 · 16441 阅读 · 1 评论 -
Mnist数据集 简单介绍
可从此页面获得的MNIST手写数字数据库的训练集为60,000个示例,而测试集为10,000个示例。它是NIST可提供的更大集合的子集。这些数字已进行尺寸规格化,并在固定尺寸的图像中居中。对于那些想在实际数据上尝试学习技术和模式识别方法而又花最少的精力进行预处理和格式化的人来说,这是一个很好的数据库。:训练集图像(9912422字节):训练集标签( 28881字节):测试集图像(1648877字节) ):测试集标签(4542字节)。原创 2019-10-28 20:43:29 · 17024 阅读 · 0 评论