数字图像处理
文章平均质量分 60
wang_juan0205
这个作者很懒,什么都没留下…
展开
-
频率域图像增强
1.空间域滤波 卷积和相关,旋转180°得到的结果是相同的。 2.傅里叶反变换可以在不丢失信息的前提下重建傅里叶变换表示的函数特征。 g=fft2(f); g=fft2(f,m,n); f:输入图像,m,n规整后的f的第一维和第二维长度,一般均为2的整次冥,有效提高算法的执行速度。 3.abs(f):f的幅度谱 angle(f):f的相位谱 fftshift(f);原创 2015-10-20 16:03:41 · 797 阅读 · 0 评论 -
形态学图像处理
%% 第9章 形态学处理 %% imdilate膨胀 clc clear A1=imread('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif'); info=imfinfo('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif') B=[0 1 0转载 2015-11-06 14:17:39 · 941 阅读 · 0 评论 -
彩色图像处理
熟悉一些彩色空间处理的基本操作:rgb图像和索引图像,彩色空间之间的转换,彩色变换和彩色空间滤波,包过彩色平滑和锐化,最后进行彩色边缘检测和rgb向量空间的图像分割。 1.从两个对称视角查看RGB彩色立方体rgbcube(10,10,4);%10,10,4是默认的坐标 axis on;grid on; title('视角4'); figure,rgbcube(10,10,-4); axi原创 2015-10-23 09:42:19 · 470 阅读 · 0 评论 -
图像复原
1.otf2psf和psf2otf OTF(退化函数/光学传递函数)和PSF(点扩散函数)为傅里叶变换对。 2.噪声模型 空间域噪声:噪声概率密度函数描述 频域噪声:噪声的各种傅里叶特性原创 2015-10-21 13:04:06 · 597 阅读 · 0 评论 -
小波练习
1.离散小波变换指变换核不同切特性和核的特性和方法也不同。(不太明白) [Lo_D,Hi_D,Lo_R,Hi_R]=wfilters('haar')%低通分解、高通分解、低通重构、高通重构 [phi,psi,xval]=wavefun('haar',10); xaxis=zeros(size(xval)); subplot(121);plot(xval,phi,'k',xval,xaxis,'-原创 2015-10-26 09:15:18 · 482 阅读 · 0 评论 -
查到的小波讲解
尺度函数可以用来生成小波函数,有的人称之为父小波函数 尺度函数和小波函数分别是尺度空间(近似空间)和细节空间的基函数,两者通过双尺度方程联系 以多尺度分析或者多分辨分析为例。尺度函数一般是整个框架的生成元,它生成整个框架,也生成小波函数,另外,尺度函数的傅立叶变换一般可做低通滤波器,而小波函数的傅立叶变换一般是用作带通或高通滤波器! 可以通过尺度函数来构造小波函数,这是构造小波函数的一种原创 2015-10-26 11:44:48 · 370 阅读 · 0 评论 -
图像压缩
1.图像量化的操作是不可逆的。 2.霍夫曼编码(mat2huff.m,huff2mat.m) 注:hist用法 n = list(Y) 将向量Y中的元素分到10个等间隔的范围内,并返回每个范围内元素的个数作为一行向量。 如果Y是一个m x p的矩阵,hist将Y的每一列作为一个向量,并返回一个10 x p的矩阵n。n的每一列的值对应Y的该列。 n = hist(Y, x) x是一个向原创 2015-10-30 09:18:38 · 961 阅读 · 0 评论