原理版
边缘和其他灰度的急剧变化与高频分量有关,过滤高频信息可以模糊 平滑图像,衰减低频分量可以锐化图像。
m邻接的理解,首先明确m邻接概念的提出,是为了避免二义性,如下图所示,在左图中,中心位置的1到右上角的1,有两条路径,也即是二义性。采用m邻接时,当同时存在4邻接和8邻接时,只考虑4邻接。右图的情况就是m邻接,为什么可以消除掉中心的1和右上的1的邻接呢,是由于m邻接有一个条件,q的4邻域与p的4领域相交为空集(不在集合V中),而右上的1和中心的1他们的4邻接有一个交集,就是第一排中心的那个1,因此二者不满足m邻接。
像素点之间的距离
坐标分别为(x,y),(s,t)的像素p, q
欧几里得距离:
城市街区距离:
棋盘距离:
2 2 2 2 2 2 1 1 1 2 2 1 0 1 2 2 1 1 1 2 2 2 2 2 2 \begin{matrix} 2&2&2&2&2\\ 2&1&1&1&2\\2&1&0&1&2\\2&1&1&1&2\\2&2&2&2&2\end{matrix} 2222221112210122111222222
数字图像处理中特别重要的变换函数有如下形式:
s = T ( r ) = ( L − 1 ) ∫ 0 r P r ( ω ) d ω s=T(r)=(L-1)\int_{0}^{r}P_r(\omega)d\omega s=T(r)=(L−1)∫0rPr(ω)dω
对这个公式总是理解不了,想知道是怎么计算出来的。目前理解是,这个是一个定义,而不是通用的公式,定义了一种较为常用的变换函数,s=T(r ),做了这种变化后,s的PDF是一个均匀概率密度函数。
4.2.2傅里叶级数的系数计算
f ( t ) = ∑ n = − ∞ ∞ C n e j 2 π n T t f(t)= \sum\limits_{n=-\infty}^{\infty}C_ne^{\frac{j2 \pi n }{T }t} f(t)=