她的妈妈爱上我的博客

imclearborder与bwareaopen两个函数介绍python代码小结两个函数介绍imclearborder与bwareaopen，是matlab里的功能函数，博客里把他们变成python版本功能介绍：imclearborder：删除图像的边界，什么意思呢，就是一张800X600的图片，如果再图片的边缘有半个足球，那么，我们可以指定将周围的一圈像素置为0 具体可以看：资料参考1bwareaopen：删除面积小于x区域的代码，使用连通性删除微小对象BW2 = bwareaopen(

同态滤波在图像处理中的原理1 前言2 原理3 实现1 前言最近忙着写实验室的总结文档，抽空补上这篇博客，为小论文做铺垫。同态滤波，听起来与**「高斯滤波」「巴特沃斯滤波」**没有什么不一样，但是实际上，「同态滤波」是一种处理图像的一种思想，并不是一个拥有具体形状的滤波器，它更像是一种分析方法，帮助我们分析图像，一个重要的应用场景就是「非均匀光照图像」的均衡化处理。均衡一张非均匀光照的方式有很多种，「直方图均匀化」、「傅里叶变化抑制低频」、「高斯模糊」总之如果想区了解这些，可供参考的内容有：1）Op

一文搞懂小波变换1、前言2、傅里叶变换扫盲3、一个傅里叶变换所不能解决的问题3.1 问题介绍3.2 短时傅里叶变换STFT4、小波变换4.1 小波变换的原理4.2 小波变换工作流程4.3 小波变换的时间与频率分辨率1、前言如果你想搞懂小波，你可以不用看前言介绍。我目前是一个学生，并不是一个数学家，我觉得啊，人对技术是需要主观上的理解，如果有一天我去问一个数学家，小波变换balabala…，他一定会用小波变换的公式来指导我学习的（太可怕了，我觉得这就是一场折磨），然而并不是所有人都需要这种学习方式。所

Canny边缘检测Canny边缘检测是一种优秀的边缘检测方法，原理不再赘述，本篇将分三个部分从编程实现的角度来介绍它，分别是：边缘强度、边缘细化（NMS）、滞后阈值；1. 边缘强度先说结果，这个阶段我们会得出两个矩阵，它们是梯度幅值矩edge阵和梯度方向矩阵angle得到的方法细节如下：1）输入图像灰度化2）灰度图像高斯滤波3）sobel滤波器求出x,y方向上梯度图像，一共两幅分别记为fx、fy4）利用fx、fy求出梯度幅值和梯度的方向5）此时的梯度方向为[-90，+90]之间的任意值，将

双线性插值实现在上一篇文章里，介绍了「最邻近差值」的原理与实现https://blog.csdn.net/Wang_Pro/article/details/106583069这篇想总结一下学到的高级方法「双线性差值」的原理，再比较一下这两种方法的最大不同在哪里双线性差值如图：“双”体现在插值公式在不同轴x,y上的计算次数，简单来说就是：1）找到一个区间（x1, x2）之间的值x；2）找到另一个区间（y1, y2）之间的值y；最后确定点P（x, y）。第一个问题来了，“什么情况下才需要用到

最邻近差值方法介绍：最邻近差值是做什么的？这个方法是用来放大图像的，这个方法需要我们指定倍率，运用差值公式，就可以计算出新的图像啦上式为插值公式，a表示放大倍数，I表示原始图像，I`表示被放大之后的图片，（x,y）的组合表示了一个确定的像素值但是具体怎么实现，还是需要将细节挪列出来大家想一想，在将一张图像进行放大之前，我们应该先做的一件事情就是构造好放大之后的模板矩阵I`（但是现在，这个矩阵里还是什么都没有），所以现在我们要做的事情就是构造这个模版矩阵但是，第一次学习临近插值时我会有这样的疑问

图像滤波总结高斯滤波中值滤波均值滤波Motion Filter 滤波MAX-MIN 滤波差分滤波器sobel滤波器prewitt滤波器laplacian滤波器emboss滤波器LoG滤波器总结想从滤波应用+编程思路的角度来概括以上算子 参考资料来自于Github的图像处理100问https://github.com/gzr2017/ImageProcessing100Wen利用python实现，最后请大家坐稳！！编程思路以上滤波的方式大致用到两种方式，通过是否需要自定义模

Canny算子流程：图像平滑计算边缘的梯度大小、计算边缘的梯度方向非极大值抑制（NMS）阈值化处理与连接分析0.边缘检测的一般方法（滤波、增强、检测）滤波：在实际情况中理想的灰度阶跃及其线条边缘图像是很少见到的，同时大多数的传感器件具有低频滤波特性，这样会使得边缘在拍摄时自带模糊，变为斜坡性边缘，强度变化不是介跃的。增强：原理上通过像素点倒数的幅值大小，确定增强的具体量，实际上运用算子模版的加减法实现检测：用阈值法检测边缘，如双峰法、otsu法，直方图法等1.图像平滑为什么需要使用高

改变颜色空间的实例应用程序来自opencv中文官方文档，程序实现了调用笔记本摄像头完成颜色跟踪识别代码如下:import cv2 as cvimport numpy as npcap = cv.VideoCapture(0)while(1): # 读取帧 _, frame = cap.read() # 转换颜色空间 BGR 到 HSV hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV) # 定义HSV中蓝色的范围

维纳滤波维纳滤波一个最常用的实例：模糊图像的处理，需要注意的是，模糊图像必须是线性的，怎么理解线性的图像模糊呢？说白了就是因为图像移动导致图片模糊，比如一颗苹果落地，如果相机快门很慢时，圆形的苹果会模糊成为一条线段。这时候请出本次博客的嘉宾「维纳」给大家滤一下波嘿嘿。好的，问题来了，落地苹果的运动可以看成是一个匀加速过程，维纳做的很好，如果我在一辆匀速行驶的车上吃苹果，有人拍了一张我吃苹果的照片呢？还可以变得清晰吗？维纳的答案是可以的。这些都在线性的范畴不过遇到一个非匀速、非匀加速的运动状态，维纳

1.Otsu法otsu方法也叫做大津法、类间最大方差法otsu方法的核心思想是假设一幅图像，这幅图像被分为了前景区域C1和背景区域C2，那么我们应该用什么样的思想推出最佳分割阈值？日本学者大津在197x年给出了他的答案。otus假设存在阈值TH，将所有像素分割为前景C1和背景C2，接下来进行数学推导TH：滑动开关，遍历0-255轴，记录出现的4个相关数据p1 p2 m1 m2 成为一个资料表P1、P2：对应像素出现在C1、C2区域的概率m1、m2：对应区域C1与C2平均像素值最后利用TH生成

霍夫变换（Hough Transform）最近在学习图像分割的相关知识，提及到霍夫变换，参考教材《数字图像处理（第三版）》决定总结一下这个有用的方法方法介绍看图，霍夫变换回答了这样一个问题：哪一些点的集合可以被判断为组成了一条直线？霍夫变换需要将xy坐标转换为ab坐标，为什么需要这样的转换呢？回答是这样的，因为在xy坐标上需要表示一条线时，需要两个参数（a和b）y=ax+b表示成功，但是在ab坐标中，表示一条线时，只需要一个点，a和b两个参数组成的点，就可以表示一条直线了有了这样的操作之后能干什

文章目录频域滤波基础说明傅立叶变换频率域滤波低通滤波理想低通滤波器巴特沃斯低通滤波高斯低通滤波器高通滤波理想高通滤波器巴特沃斯高通滤波器高斯高通滤波器频域滤波基础说明将自己学习的心得和理解写出来于我而言是一件令人开心的事情博主似乎不大喜欢复杂的数学公式和公示的推导过程，所以他的文章里秉着能不出现就不出现的原则进行写作，因此将注重某种方法的逻辑与效果介绍如果文章对你有用的话记得不要白嫖博...