二维图像中EMD 法与 Mura 检测的总结

本文介绍了EMD和WEMD两种方法在二维图像中的应用,特别是用于Mura检测。EMD被视为一种滤波器,但易受边缘影响,而WEMD通过求均值避免了这个问题。WEMD在计算速度和边缘处理上优于EMD,适用于点和线的检测,但块状检测效果一般。SD停止准则和IMF数量选择对分解结果有显著影响。
摘要由CSDN通过智能技术生成
本人菜鸟一只,实习中要求做mura检测,本小鸟也不会,师傅甩来一片IEEE论文,让本人看懂后实现下。这篇IEEE的Mura检测是我们中国人写的(台湾,小日本是这方面的大佬),还好都是中式英语!论文中的,我也不是很懂,只知道他用了种方法叫EMD,然后就干了。真正等到做时,发现也并非那么容易,其中理解歧义,执行步骤错误,以及EMD中的局部极值,边缘效应,插值,SD停止准则关键性问题论文也是一笔带过,这让我绞尽脑汁。最让我无奈的是,本鸟用Matlab做的测试,一张图片小的5Mz左右,大的27M左右,电脑8G/酷睿i5-7跑起来让我陷入慢慢等待之中。。。。。其中,我在搜索资料过程中发现了北京邮电大学博士-梁的WEMD方法,然后将传统EMD与WEMD一起做了个测试。最后,在本鸟自己的yy之下,于星期五交上了这份EMD法的mura检测报告。

一 EMD法原理

EMD法网上资料很多,可以自己去搜搜,学习。我也不在这里讲述,因为我也不是很懂(或许数学太差),不敢在此撒野。在本鸟看来,EMD就像一个滤波器,不断设置滤波频率,一层层滤波,最后剩下的就是残量(个人见解,如有错误,欢迎指教,哈哈哈)。下面,我将介绍一下博士-梁的WEMD法。

二 WEMD原理

傅里叶是基于全局整体的,Gabor是在傅里叶之上,加入滑动窗口,它是区域的,所以Gabor也可是加窗的傅里叶变换。先说说,海森堡测不准定理,时宽×带宽=时间分辨率×频率分辨率。可以在时域内设置小的空间分辨率,从而在频域内获得大的频率分辨率。所以可以在时域中设置小窗口,在频域内获得高的频率分辨率,在时域中设置大窗口,在频域内获得小的频率分辨率,根据EMD算法理论,每次用上下极大极小信号减去均值包络线,也相当于一个频率的筛选过程,前面分解出的是高频,后面的是低频,所以在信号处理上,也可以用来高通,低通,带通滤波。

下面直接截图看下WEMD分解步骤:

  • 4
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 18
    评论
评论 18
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
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