当前位置:   article > 正文

【北邮鲁鹏老师计算机视觉课程笔记】02 filter

【北邮鲁鹏老师计算机视觉课程笔记】02 filter

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
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
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 σ \sigma σ
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
在这里插入图片描述方差固定,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?
在这里插入图片描述
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

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
在这里插入图片描述

13 拉普拉斯高斯

在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/羊村懒王/article/detail/81591
推荐阅读
相关标签
  

闽ICP备14008679号