计算机视觉(2)——图像预处理

目录

二、图像预处理

2.1 介绍 

2.2 特征提取方法

2.2.1 直方图

2.2.2 CLAHE

2.2.3 形态学运算

2.2.4 空间域处理及其变换

2.2.5 空间域分析及变换 

(1) 均值滤波

(2)中值滤波

(3)高斯滤波

(4) 梯度Prewitt滤波

(5) 梯度Sobel滤波

(6) 梯度Laplacian滤波

(7) 其他滤波 

2.2.6 频域分析及变换

(1)高斯金字塔

(2)拉普拉斯金字塔 

(3) 傅里叶变换

​(4) 小波变换


二、图像预处理

详细见课件:

2.1 介绍 

        图像预处理实际就是一个图像增强的过程: 

空间域:

        点运算:就是基于直方图对图像整体的色差进行调整,对一个点颜色进行调整,跟周围或多或少也有点关系

        形态学运算:腐蚀、膨胀

        临域运算:每个点跟他周围的点进行比较或一块进行计算

频率域: 

        把空间域映射到频率域,对于我们这里来说,意义就是快速计算卷积

        傅里叶变换小波运算

2.2 特征提取方法

2.2.1 直方图

2.2.2 CLAHE

2.2.3 形态学运算

 

2.2.4 空间域处理及其变换

2.2.5 空间域分析及变换 

1、卷积

        用的最多还是补零,但对计算结果的影响还是很大的,所以要避免用大的卷积核去卷积比较小的图片,策略具体看课件

2、滤波

(1) 均值滤波

 

(2)中值滤波

(3)高斯滤波

        可用在高斯金字塔,当这幅图片理你很远时,你取那些像素保留下来才能使这张图片,和原来的图片一定意义上最接近

(4) 梯度Prewitt滤波

 

(5) 梯度Sobel滤波

(6) 梯度Laplacian滤波

        拉普拉斯,相加=0,避免把平滑的区域选出来

        原始图片 减去 拉普拉斯滤波的

(7) 其他滤波 

2.2.6 频域分析及变换

(1)高斯金字塔

 

(2)拉普拉斯金字塔 

(3) 傅里叶变换

(4) 小波变换

 

  • 5
    点赞
  • 72
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
图像预处理是指在进行机器学习或计算机视觉任务之前,对图像进行一系列的处理和转换,以提取有用的特征并减少噪声的影响。Python提供了多种库和工具来进行图像预处理,其中包括Scikit-learn和OpenCV。 在Scikit-learn中,可以使用preprocessing模块来进行图像预处理。该模块提供了一系列的函数和类,用于对图像进行缩放、平滑、二值化、去噪等操作。下面是一个示例代码,展示了如何使用Scikit-learn进行图像预处理: ```python from sklearn import preprocessing # 加载图像数据 image_data = ... # 缩放图像 scaled_image = preprocessing.scale(image_data) # 平滑图像 smoothed_image = preprocessing.smooth(image_data) # 二值化图像 binarized_image = preprocessing.binarize(image_data, threshold=0.5) # 去噪图像 denoised_image = preprocessing.denoise(image_data) # 其他图像预处理操作... ``` 另外,OpenCV也是一个强大的图像处理库,提供了丰富的图像处理函数和算法。可以使用OpenCV进行图像的读取、缩放、旋转、滤波、边缘检测等操作。下面是一个示例代码,展示了如何使用OpenCV进行图像预处理: ```python import cv2 # 读取图像 image = cv2.imread('image.jpg') # 缩放图像 resized_image = cv2.resize(image, (new_width, new_height)) # 旋转图像 rotated_image = cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE) # 滤波图像 blurred_image = cv2.blur(image, (5, 5)) # 边缘检测 edges = cv2.Canny(image, threshold1, threshold2) # 其他图像预处理操作... ``` 通过使用Scikit-learn和OpenCV,你可以根据具体的需求对图像进行预处理,以便更好地应用于机器学习或计算机视觉任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

清园暖歌

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值