【北邮鲁鹏老师计算机视觉课程笔记】02 filter

2024-02-11 07:46:02
开发
28

1 图像的类型

在这里插入图片描述
二进制图像：

在这里插入图片描述
灰度图像：

在这里插入图片描述

彩色图像：
在这里插入图片描述

2 任务：图像去噪

在这里插入图片描述

噪声点让我们看得难受是因为噪声点与周边像素差别很大

3 均值

在这里插入图片描述

滤波核= 卷积核

4 卷积操作

在这里插入图片描述
对应相乘再累加起来

卷积核记录了权值，把权值套到要卷积的目标图上，对应相乘

5 卷积的特性

在这里插入图片描述

线性和平移不变形

在这里插入图片描述

在这里插入图片描述

因为实际使用的时候卷积核是对称的，因此不要求翻转

真实运算的时候，对于没有像素的位置，要做填充，否则无法计算卷积，
最简单的办法，填充0。

在这里插入图片描述

填充是希望输入输出有固定的大小

6 卷积的应用

在这里插入图片描述
不变

在这里插入图片描述
左移

在这里插入图片描述
平滑降噪

在这里插入图片描述
锐化

7 振铃效应

在这里插入图片描述

离我近的点权值大、远的点权值小

8 高斯核

在这里插入图片描述
产生高斯卷积核的步骤：
①指定窗宽
②指定方差 $\sigma$
③归一化

9 高斯核参数

在这里插入图片描述
方差的影响：方差越大，自己的权值占比就越小，平滑的结果越强
方差固定，窗宽越大，归一化计算的分母就大，权值就小，平滑就更厉害

在这里插入图片描述

10 高斯核总结

在这里插入图片描述
滤除高频

一个大高斯核的卷积效果可以由两个小高斯卷积核连续操作得到

在这里插入图片描述高斯核可以分解

在这里插入图片描述
分解性质有什么作用？

计算复杂度降低

11 噪声

在这里插入图片描述

在这里插入图片描述

高斯滤波对椒盐噪声效果并不好

12 中值滤波

在这里插入图片描述
把这些值从小到大排序，然后选取中值

在这里插入图片描述
中值滤波不改变整体形状

13 拉普拉斯高斯

在这里插入图片描述

原文地址:https://blog.csdn.net/weixin_44184852/article/details/136091748 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：https://www.suanlizi.com/kf/1756464569515118592.html 如若内容造成侵权/违法违规/事实不符，请联系《酸梨子》网邮箱：1419361763@qq.com进行投诉反馈，一经查实，立即删除！

阅读全部