![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数字图像处理
rglkt
这个作者很懒,什么都没留下…
展开
-
MLP、Share MLP、 conv1d介绍
在理解pointnet的时候,有shared mlp这一层,不清楚是什么东西,于是网上查阅了资料,以share mlp为关键词就能查到许多很好的资料,但是我觉得几个博主分析的时候都没有点破,所以我整理下这篇文章。MLP参考文章,这一张图应该就够了。需要注意的核心是输入向量[x1,x2,x3,x4…],x1,x2,x3互相独立,这里的计算是wx+b的形式而share mlp(左图)。我觉的这里画的并不是特别好,文字解释一下。还是看图,MLP中原来的向量[1,2,3] 经过MLP,3维升维变成64维。.原创 2021-12-03 16:59:15 · 4167 阅读 · 0 评论 -
3D点云图转灰度图2(准确复原版)
在上一篇文章中,由于左边的转换等因素,有造成精度的丢失,没有还原最原始的点云图像,经过一天的思考,我发现了上一个方法并不是特别可取,本篇文章将使用一个新的方法,最大程度还原了原始图像。在此之前对两种方法进行一个总结:方法一:由于点云xyz格式,分别对应的是坐标,并且是浮点数,那么将其*10转换为int型的数即可。然后再以x轴y轴最大数作为图像尺寸即可。方法二:其实点云图与二维图是一致的,每个点是有序。我们只需要统计x轴和y轴出现了多少种数字,就能确定这张图的大小。举例说明比如一个点云图。xy原创 2021-11-18 17:39:38 · 4104 阅读 · 0 评论 -
3D点云图转灰度图
本文截图中出现的jupyter文件已经上传到GitHub当我们获取到点云文件时,比较常见的格式是(x,y,z)格式,我使用的格式为xyzi格式,i为亮度。为了方便处理,有时我们会想将点云转化为灰度图,查看和处理都会容易一些。以下为处理过程:这里补充一下,最好的方式是*10000,但是会导致图片过于庞大,导致无法运行。所以最好只能牺牲精度了。(这是待改进的点)这一步是为了消除负数情况创建图片并保存,中间还有一步将数据从映射到0-282映射到0-255(有精度损失需要改进)图片展示深度原创 2021-11-17 17:06:18 · 4511 阅读 · 4 评论 -
傅里叶变换 卷积定理 空域模板转换为频域模板
拉普拉斯锐化的模板为0 -1 0 -1 5 -1 0 -1 0 由傅里叶卷积定理我们可以知道,空域模板中有一个频域模板与之相对应,现在空域中左右两边同时进行傅里叶变换可得:原理为:结果为:(计算结果可能有错,错了麻烦指出~)...原创 2021-01-12 20:45:24 · 955 阅读 · 0 评论