深度学习
1、caffe 特征维度
算法数据结构
1、
2、
图像处理
一、各种滤波比较
图像中常见噪声:
- 椒盐噪声
- 加性噪声
- 乘性噪声
- 高斯噪声
去噪方法:
- 均值滤波、中值滤波等比较基础且成熟
- 偏微分方程的去噪方法
- 基于频域的小波去噪方法
图像为什么要滤波?
在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作
1、均值滤波
均值滤波
-
原理
目标像素领域内所有像素和的均值 -
作用
是图像变得模糊,平滑,相当于一个低通滤波器。
原因: -
优缺点
-
适用场合
-
整张图使用,加速方法
2、中值滤波
-
原理
中值滤波就是把窗口内像素值按大小排序求中间值 -
作用
-
优缺点
-
适用场合
-
整张图使用,加速方法
3、高斯滤波
高斯噪声
高斯噪声
概率密度函数符合高斯分布(即正态分布)的一类噪声
-
原理
高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到 -
作用
-
优缺点
-
适用场合
-
整张图使用,加速方法
4、边缘保留滤波
-
原理
-
作用
-
优缺点
-
适用场合
-
整张图使用,加速方法
5、sobel滤波
-
原理
-
作用
-
优缺点
-
适用场合
-
整张图使用,加速方法
6、拉普拉斯滤波
-
原理
-
作用
-
优缺点
-
适用场合
-
整张图使用,加速方法
添加要改颜色的字体
添加要改颜色的字体
添加要改颜色的字体
添加要改颜色的字体