十種濾波器的matlab實現

原創 VV一笑ヽ 2020-06-24 20:21

文章概要

1） 產生噪聲

  • 構造函數addSaltNoise.m，接受參數snr爲圖像信噪比，爲實驗用圖test.tif增加椒鹽噪聲

    % addSaltNoise.m
function [sImg] = addSaltNoise(snr)
img=imread('test.tif');
[imgH,imgW]=size(img);
sImg=img;
% 根據圖像信噪比產生噪聲點數量
sp=imgH*imgW;
np=sp*(1-snr);
% 隨機行列，給圖像添加噪聲
    for i=1:np
        x=uint32(rand()*imgH);
        y=uint32(rand()*imgW);
        if x && y
            r=rand()>0.5;
            if r
                sImg(x,y)=0;
            else
                sImg(x,y)=255;
            end
        end
    end
    subplot(1,2,1);
    imshow(img),title('原始圖像'); 

    subplot(1,2,2);
    imshow(sImg),title('信噪比爲0.5的椒鹽噪聲圖像'); 
end

    信噪比爲0.5時的椒鹽噪聲圖像，如下圖所示：

    QeSmIf.png

  • 構造函數addGaussianNoise.m，接受參數avg爲均值，std爲標準差，爲實驗用圖test.tif增加高斯噪聲

    % addGaussianNoise.m
function [gImg] = addGaussianNoise(avg,std)
img=imread('test.tif');
[imgH,imgW]=size(img);
% 產生和圖像維度相同的噪聲，疊加到圖像上
gImg=uint8((double(img)/255+avg+std*randn(imgH,imgW))*255);
% subplot(1,2,1);
% imshow(img),title('原始圖像'); 
% 
% subplot(1,2,2);
% imshow(gImg),title('均值爲'+string(avg)+'標準差爲'+string(std)+'的高斯噪聲圖像');

    產生的高斯噪聲效果如下圖

    在這裏插入圖片描述

2） 均值濾波器

  • 算術均值濾波器

    編寫函數meanValueFilter.m，參數fsize爲濾波器大小

    % meanValueFilter.m
function []=meanValueFilter(fsize)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j)=sum(sTemp(:))/numel(sTemp);
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j)=sum(gTemp(:))/numel(gTemp);
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('均值濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('均值濾波器處理後圖像');
end

    大小爲3x3的算術均值濾波器處理椒鹽噪聲結果

    QeNt7d.png

    大小爲3x3的算術均值濾波器處理高斯噪聲結果

    在這裏插入圖片描述

  • 幾何均值濾波器

    編寫函數geometricMeanFilter.m，參數fsize爲濾波器大小

    function []=geometricMeanFilter(fsize)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j)=prod(prod(sTemp(:)))^(1/numel(sTemp)); 
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j)=prod(prod(gTemp(:)))^(1/numel(gTemp)); 
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('幾何均值濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('幾何均值濾波器處理後圖像');
end

    大小爲3x3的幾何均值濾波器處理椒鹽噪聲結果

    Qedukj.png

    大小爲3x3的幾何均值濾波器處理高斯噪聲結果

    QedKts.png

  • 諧波均值濾波器

    編寫函數harmonicMeanFilter.m，參數fsize爲濾波器大小

    function []=harmonicMeanFilter(fsize)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sTemp=1./sTemp;
        sNewImg(i,j)=numel(sTemp)/sum(sTemp(:));
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gTemp=1./gTemp;
        gNewImg(i,j)=numel(gTemp)/sum(gTemp(:));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('諧波均值濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('諧波均值濾波器處理後圖像');
end

    大小爲3x3的諧波均值濾波器處理椒鹽噪聲結果

    Qe0AeS.png

    大小爲3x3的諧波均值濾波器處理高斯噪聲結果

    Qe0FL8.png

  • 逆諧波均值濾波器

    編寫函數inverseHarmonicMeanFilter.m，參數fsize爲濾波器大小，q爲階數

    function []=inverseHarmonicMeanFilter(fsize,q)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = double (sImg(i-flength:i+flength,j-flength:j+flength));
        sNewImg(i,j)=sum(sTemp(:).^(q+1))/sum(sTemp(:).^(q));
        gTemp = double (gImg(i-flength:i+flength,j-flength:j+flength));
        gNewImg(i,j)=sum(gTemp(:).^(q+1))/sum(gTemp(:).^(q));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('逆諧波均值濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('逆諧波均值濾波器處理後圖像');
end

    大小爲3x3，階數爲1.5的逆諧波均值濾波器處理椒鹽噪聲結果

    QeDgMt.png

    大小爲3x3，階數爲1.5的逆諧波均值濾波器處理高斯噪聲結果

    在這裏插入圖片描述

3） 統計排序濾波器

  • 中值濾波器

    編寫函數middleFilter.m，參數fsize爲濾波器大小

    function []=middleFilter(fsize)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sTemp = sort(sTemp(:));
        sNewImg(i,j)=sTemp((numel(sTemp)-1)/2);
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gTemp = sort(gTemp(:));
        gNewImg(i,j)=gTemp((numel(gTemp)-1)/2);
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('中值濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('中值濾波器處理後圖像');
end

    大小爲3x3的中值濾波器處理椒鹽噪聲結果

    QeHpM6.png

    大小爲3x3的中值濾波器處理高斯噪聲結果

    Qe7zxx.png

  • 最大值和最小值濾波器

    • 最大值濾波器

      編寫函數maxFilter.m，參數fsize爲濾波器大小

      function []=maxFilter(fsize)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j)= max(sTemp(:));
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j)=max(gTemp(:));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('最大值濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('最大值濾波器處理後圖像');
end

      大小爲3x3的最大值濾波器處理椒鹽噪聲結果

      QejKLq.png

      大小爲3x3的最大值濾波器處理高斯噪聲結果

      Qej8FU.png

    • 最小值濾波器

      編寫函數minFilter.m，參數fsize爲濾波器大小

      function []=minFilter(fsize)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j) = min(sTemp(:));
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j) = min(gTemp(:));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('最小值濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('最小值濾波器處理後圖像');
end

      大小爲3x3的最小值濾波器處理椒鹽噪聲結果

      QejGYF.png

      大小爲3x3的最小值濾波器處理高斯噪聲結果

      QejJW4.png

  • 中點濾波器

    編寫函數mPointFilter.m，參數fsize爲濾波器大小

    function []=mPointFilter(fsize)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j) = (min(sTemp(:))+max(sTemp(:)))/2;
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j) = (min(gTemp(:))+max(gTemp(:)))/2;
    end
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('中點濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('中點濾波器處理後圖像');
end

    大小爲3x3的中點濾波器處理椒鹽噪聲結果

    QejtSJ.png

    大小爲3x3的中點濾波器處理高斯噪聲結果

在這裏插入圖片描述

  • 修正後的阿爾法均值濾波器

    編寫函數alphaFilter.m，參數fsize爲濾波器大小，d爲0-fsize^2之間的數字

    function []=alphaFilter(fsize,d)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = addSaltNoise(0.5);
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
if d<fsize*fsize
    % 處理圖像，結果分別保存在sNewImg和gNewImg
    for i=1+flength:imgH-flength
        for j=1+flength:imgW-flength
            if d>0
                sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
                sTemp = sort(sTemp(:));
                sTemp=sTemp(d:numel(sTemp)-1);
                sNewImg(i,j)=sum(sTemp())/numel(sTemp);
                gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
                gTemp = sort(gTemp(:));
                gTemp=gTemp(d:numel(gTemp)-1);
                gNewImg(i,j)=sum(gTemp())/numel(gTemp);
            end
        end
    end
else
    fprintf("d請傳入0-fsize^2之間的數！");
end
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('修正後的阿爾法濾波器處理後圖像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('修正後的阿爾法濾波器處理後圖像');
end

    大小爲3x3的修正後的阿爾法均值濾波器（d=1）處理椒鹽噪聲結果

    QejQe0.png

    大小爲3x3的修正後的阿爾法均值濾波器（d=1）處理高斯噪聲結果

    Qej1oT.png

4） 自適應濾波器

  • 自適應濾波器

    編寫函數alphaFilter.m，參數fsize爲濾波器大小

    function []=adaptFilter(fsize)
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = double(addGaussianNoise(0,0.1));
[imgH,imgW]=size(gImg);
gNewImg = gImg;
% 根據濾波器尺寸計算半長
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end

    % 處理圖像，結果保存在gNewImg
    for i=1+flength:imgH-flength
        for j=1+flength:imgW-flength
                gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
                avg = mean(gTemp(:));
                v = var(gTemp(:));
                gNewImg(i,j)=gImg(i,j)-255*255*0.01/v*(gImg(i,j)-avg);
        end
    end
gImg = uint8(gImg);
gNewImg=uint8(gNewImg);
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('自適應濾波器處理後圖像');
end

    大小爲7x7的自適應濾波器處理，方差爲6502.5的高斯噪聲結果

在這裏插入圖片描述

  • 自適應中值濾波器

    編寫函數alphaFilter.m，參數fmax爲濾波器最大尺寸

    function []=adaptMiddleFilter(fmax)
% 獲取信噪比爲0.5的椒鹽噪聲圖像
sImg = double(addSaltNoise(0.5));
% 獲取均值爲0，標準差爲0.1的高斯噪聲圖像
gImg = double(addGaussianNoise(0,0.1));
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 計算濾波器最大半長
if mod(fmax,2)
    flength = (fmax-1)/2;
else
    flength = fmax/2;
end
% 處理圖像，結果分別保存在sNewImg和gNewImg
% zmax爲s區域中的灰度最大值
% zmin爲s區域中的灰度最小值
% zmed爲s區域中的灰度中間值
    for i=1+flength:imgH-flength
        for j=1+flength:imgW-flength
            len = 1;
            while len<=flength
                    sTemp = sImg(i-len:i+len,j-len:j+len);
                    sTemp=sort(sTemp(:));
                    zsmed=sTemp((numel(sTemp)-1)/2);
                    zsmin=min(sTemp);
                    zsmax=max(sTemp);
                    ag1 = zsmed-zsmin;
                    ag2 = zsmed-zsmax;
                if ag1>0 && ag2<0
                    break;
                else 
                    len=len+1;
                end
            end
            if len==flength+1
                sNewImg(i,j)=sImg(i,j);
            else
                bs1=sImg(i,j)-zsmin;
                bs2=sImg(i,j)-zsmax;
                if bs1>0 && bs2<0
                    sNewImg(i,j)=sImg(i,j);
                else
                    sNewImg(i,j)=zsmed;
                end
            end
            len = 1;
            while len<=flength
                    gTemp = gImg(i-len:i+len,j-len:j+len);
                    gTemp=sort(gTemp(:));
                    zgmed=gTemp((numel(gTemp)-1)/2);
                    zgmin=min(gTemp);
                    zgmax=max(gTemp);
                    ag1 = zgmed-zgmin;
                    ag2 = zgmed-zgmax;
                if ag1>0 && ag2<0
                    break;
                else 
                    len=len+1;
                end
            end
            if len==flength+1
                gNewImg(i,j)=gImg(i,j);
            else
                bg1=gImg(i,j)-zgmin;
                bg2=gImg(i,j)-zgmax;
                if bg1>0 && bg2<0
                    gNewImg(i,j)=gImg(i,j);
                else
                    gNewImg(i,j)=zgmed;
                end
            end
        end
    end
% 處理完後轉化爲uint8
sImg=uint8(sImg);
sNewImg=uint8(sNewImg);
subplot(1,2,1);
imshow(sImg),title('椒鹽噪聲圖像'); 

subplot(1,2,2);
imshow(sNewImg),title('自適應中值濾波器處理後圖像');
gImg=uint8(gImg);
gNewImg=uint8(gNewImg);
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪聲圖像'); 

subplot(1,2,2);
imshow(gNewImg),title('自適應中值濾波器處理後圖像');
end

    最大尺寸爲7x7的自適應濾波器處理椒鹽噪聲結果

    Qm0kHU.png

    最大尺寸爲7x7的自適應濾波器處理高斯噪聲結果

    Qm0EEF.png

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

數字圖像處理編成入門筆記——第五章直方圖修正和彩色變換

5.1 反色 1.定義： 反色(invert)就是形成底片效果。 2.用途： 當黑色區域佔比較大區域時，可以利用反色，節省打印的墨。 3.做法：反色的實際含義是將R、G、B值反轉。 1）真彩圖。真彩圖不帶調色板，每個象素用3個字節，表示R

tlovet1314 2020-07-08 09:05:16

數字圖像處理——第六章 彩色圖像處理

文章目錄彩色圖像處理1 彩色模型1.1 RGB彩色模型1.2 CMY和CMYK模型1.3 HSI彩色模型2 僞彩色處理2.1 強度分層2.2 灰度級到彩色轉換總結 彩色圖像處理 彩色圖像處理分爲兩個主要領域：全綵色處理和僞彩色處理

Flamingo_NJ 2020-07-07 19:40:01

一篇看了就趕緊收藏的期末最後總結

下面的總結是本學期《數字圖像處理》課程期末考試的知識點及一些有關題型。 試卷題型： 填空題 10道 判斷題 7道 簡單題 3道 計算題 2道 綜合題 2道 數字圖像處理複習提綱一、知識點。二、相關習題。

浅殇忆流年 2020-07-07 12:44:34

真彩色圖像RGB，YIQ圖像，HSV圖像，YCbCr圖像的相互轉換(Matlab實現)

image=imread('Lena.jpg'); subplot(2,4,1); imshow(image) title('原始圖像') %RGB轉YIQ YIQ=rgb2ntsc(image); subplot(2,4,2)

MoreMbb 2020-07-07 02:09:40

Matlab找出矩陣每一行的最大值及其位置

  dis = max(arr,[],2); dis_array = zeros(M,N) for i=1:size(dis) hang_max = dis(i,1) c = find(edtIm

heibaigezi 2020-07-05 14:24:54

數字圖像處理：自適應局部gamma校正

本文主要參考 博客 OpenCV圖像處理專欄十二 |《基於二維伽馬函數的光照不均勻圖像自適應校正算法》 中的代碼 同時也參考了原論文: 劉志成,王殿偉,劉穎,劉學傑.基於二維伽馬函數的光照不均勻圖像自適應校正算法[J].北京理工

zzig 2020-07-05 07:57:30

熱傳導與圖像處理：非線性各項異性擴散

首先，用通俗的語言說明兩個基本概念，非線性和各向異性 非線性，可以從線性說起，不嚴謹的說，如果兩個變量之間的關係是一次函數，那麼就說他們是線性關係，比如一維的一條直線： y=kx+b，k和b都是實數，表示爲:          兩者關係不

MAUM 2020-07-05 01:49:01

數字圖像處理 第六章 圖像增強2

6.5 空域濾波增強技術 空域濾波：是基於鄰域處理的增強方法，它應用某一模板對每個像素與其周圍鄰域的所有像素進行某種數學運算得到該像素的新的灰度值。 新的灰度值的大小不僅與該像素的灰度值有關，而且還與其鄰域內的像素的灰度值有關。

拔牙不打麻药 2020-07-04 21:09:43

慣性測量單元IMU基礎

IMU由三部分組成：加速度計、磁力計、陀螺儀。 加速度計就是測量三個方向的加速度： 磁力計就是測量磁場北極的方位： 陀螺儀測量的就是繞三個方向旋轉速度： 一、加速度計 1.1 一維模型 加速度計的一維模型類似於彈簧質量

Hugoool 2020-07-04 17:34:17

互聯網+智慧農業：計算機視覺技術在農作物病蟲害檢測方面的應用

農作物病蟲害是我國的主要農業災害之一，它具有種類多、影響大、並時常暴發成災的特點，其發生範圍和嚴重程度對我國國民經濟、特別是農業生產常造成重大損失。 隨着計算機科學技術的飛速發展，現已有非常多的 AI 方法手段應用於病蟲害目標檢測、防治

荣仔！最靓的仔！ 2020-07-04 10:41:22

什麼是量化表(Quantization Tables )

Quantization Tables In JPEG, each F[u,v] is divided by a constant q(u,v). Table of q(u,v) is called quantization tabl

wesleyluo 2020-07-04 05:05:10

數字圖像處理——第四章 頻率域圖像增強

文章目錄頻率域圖像增強1. 傅里葉變換1.1 一維傅里葉變換1.2 二維傅里葉變換2. 頻率域濾波2.1 陷波濾波器及其性質2.2 空間域濾波與頻率域濾波之間的對應關係2.2.1 空間域濾波器與頻率域濾波器的轉換2.3 平滑的頻率

Flamingo_NJ 2020-07-03 03:50:04

數字圖像處理——第五章 圖像復原

文章目錄圖像復原1. 圖像退化/復原過程的模型2. 噪聲模型2.1 使用imnoise對圖像添加噪聲2.2 週期噪聲2.3 噪聲參數估計3 只有噪聲存在的空間域圖像恢復3.1 均值濾波器3.2 統計排序濾波器3.3 自適應濾波器4

Flamingo_NJ 2020-07-03 03:50:04

OpenCV聯通域檢測 connectedComponentsWithStats

文章目錄函數介紹C++ 代碼示例Python 代碼示例 函數介紹 輸入必須是單通道圖像，最好是二值圖 int cv::connectedComponents ( cv::InputArrayn image,

\lambda 2020-07-02 05:51:04

數學形態學運算——腐蝕、膨脹、開運算、閉運算

數學形態學操作可以分爲二值形態學和灰度形態學，灰度形態學由二值形態學擴展而來。數學形態學有2個基本的運算，即腐蝕和膨脹，而腐蝕和膨脹通過結合又形成了開運算和閉運算。 開運算就是先腐蝕再膨脹，閉運算就是先膨脹再腐蝕。

weixin-W1623210897 2020-07-02 02:44:07