重庆网站设计找重庆最佳科技,百度一下就知道手机版,零基础学全屋定制设计,漯河做网站目录
1.图像噪声化处理与卷积平滑
2.图像傅里叶快速变换处理
3.图像腐蚀和膨胀处理
4 图像灰度调整处理
5.图像抖动处理算法
学习计算机视觉方向的几条经验:
1.学习计算机视觉一定不能操之过急#xff0c;不然往往事倍功半#xff01;
2.静下心来#xff0c;理解每一个…
目录
1.图像噪声化处理与卷积平滑
2.图像傅里叶快速变换处理
3.图像腐蚀和膨胀处理
4 图像灰度调整处理
5.图像抖动处理算法
学习计算机视觉方向的几条经验:
1.学习计算机视觉一定不能操之过急不然往往事倍功半
2.静下心来理解每一个函数/算法的过程和精髓这个知识才真正是你的
3.计算机视觉的参数非常多你必须理解透并且学会运用不然你只能做个调参侠
4.做一件事就必须要从中学到什么否则就算是再大的荣誉只是混来的不真正属于你
以上经验总结来自Neu.Ise.JiaT.Prof也是Neu做cv的数一数二的教授了希望能够带着这些经验继续前进在cv的学习中有所感悟和收获
*******************************************************************************************
END IN 2023/09/27/01:40:又是一个小通宵明天还有早八真的要完全理解这些函数很难每写一段都需要30分钟左右的
学习理解过程以及我的matlab水平不如python那般熟练有的地方绘图还需要不断的查找资料和
别人的博客然后不断的去修改代码matlab的绘图确实不熟练我需要花费2-2.5个小时才能勉
强完成这样一篇总结。确实很累但是如果感觉累的话是幸运的因为说明你在进步因为上坡的路都是困难的。
*******************************************************************************************1.图像噪声化处理与卷积平滑
图像噪声化处理与卷积平滑
图片首先经过imnoise()函数的处理增加噪声参数变得模糊混乱然后我们在通过卷积的方式让图像
整体变得平滑并且消除模糊的程度。
噪声函数:imnoise(I,gaussian,均值u,标准差)
卷积函数:conv2(I,h) %I表示图像 h表示卷积核
%%
%%image line filter
clear
I imread(moon.tif)
subplot(131);
imshow(I)
%imnoise噪声使得图像变得更模糊嘈杂
I imnoise(I,gaussian,0,0.02);%添加均值为0方差为0.02的噪声
subplot(132)
imshow(I)%绘制第二张子图
subplot(133)
h[1 1 11 1 11 1 1];
h h/9;
%conv2函数来对添加了噪声的图像 I 进行线性卷积操作
%这个操作实际上是一个平滑滤波操作它通过计算每个像素周围3x3邻域的加权平均值来减小图像中的高频噪声
%从而使图像变得更加平滑。
J conv2(I,h);
imshow(J,[])
saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,image line filter,.png]) 2.图像傅里叶快速变换处理
图像傅里叶快速变换处理:
首先加载图像对于图像有总体的理解.
其次对其执行FFT变换fft2(I)函数将图像从时间域转向频域并且画出可视化图片.
再研究FFT结果的移位版本fftshift(fft2(I))分析傅里叶变换的特点.
最后给出频谱图像的对数幅度。这有助于分析图像中的频域信息对于信息能够更好的理解.
%%
% fft2
clear
load imdemos saturn2subplot(221);
I imread(moon.tif)
imshow(I)
title(Subplot 1:原图渲染)subplot(222);
b fft2(I)%二维快速傅里叶变换
imshow(b)
title(Subplot 2:二维快速傅里叶变换)subplot(223);
bfftshift(fft2(I));%这行代码首先对FFT结果进行了移位操作将低频分量移到图像中心。然后它再次计算FFT得到移位后的频谱图像 b。
imshow(b)
title(Subplot 3:傅里叶变换移位)subplot(224);
imshow(log(abs(b)),[])
title(Subplot 4:频谱对数幅度图)
colormap(jet(64))
colorbar
saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,fft,.png]) 3.图像腐蚀和膨胀处理
图像的腐蚀和膨胀处理:
腐蚀和膨胀是针对白色部分高亮部分而言的。
膨胀就是对图像高亮部分进行“领域扩张”效果图拥有比原图更大的高亮区域
腐蚀是原图中的高亮区域被蚕食效果图拥有比原图更小的高亮区域。
膨胀用来处理缺陷问题;腐蚀用来处理毛刺问题。膨胀问题:就是求局部最大值的操作从图像直观看来就是将图像光亮部分放大黑暗部分缩小。
腐蚀问题:腐蚀操作和膨胀操作相反也就是将毛刺消除腐蚀跟膨胀操作的过程类似唯一不同的是以最小值偏黑替换锚点重叠下图像的像素值。
%%
% dilateerode
%图像腐蚀与膨胀
clear
close all
subplot(131);
I imread(text.png)
imshow(I)SE ones(6,2)
BWimdilate(I,SE)
title(Subplot 1:原图)subplot(132);
imshow(BW)
title(Subplot 2:图像腐蚀处理)subplot(133);
BW2imerode(I,SE)
imshow(BW2)
title(Subplot 3:图像膨胀处理)saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,dilate_erode,.png]) 4 图像灰度调整处理
图像灰度调整处理:
1.通过函数imadjust进行图像灰度的调整.
2.其中会用到一个Jimadjust( I[low_in;high_in][low_out;high_out]) 就是调整之后的灰度图像.
3.imadjust[x1,x2]表示当值大于x2*255时灰度设置为1当值小于x1*255时灰度为0.%%
%enhancement imadjust
clear
I imread(tire.tif)
Jimadjust(I,[0.3,0.7],[])%
subplot(2,2,1)
imshow(I)
title(Subplot 2:原图)subplot(2,2,2)
imshow(J)
title(Subplot 2:灰度调整后图)subplot(2,2,3)
imhist(I)
title(Subplot 3:原图灰度图)subplot(2,2,4)
imhist(J)
title(Subplot 4:调整后灰度图)saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,enhancement imadjust,.png]) 5.图像抖动处理算法
图像抖动处理算法:
1.对于可用颜色较少的系统可以以牺牲分辨率为代价通过颜色值的抖动来增加可用颜色数量。
2.没有使用抖动方法来进行颜色量化。这可能会导致颜色在索引图像中的分布更为均匀但在某
些情况下可能会损失一些细节。
3.对比无抖动方法抖动方法帮助尽量保留原始图像的颜色细节。
4.[X_no_dither,map] rgb2ind(rgb,8,nodither);//无抖动
5.[X_dither,map]rgb2ind(rgb,8,dither);//有抖动
%%
clearsubplot(131);
rgbimread(onion.png);
imshow(rgb);
title(Subplot 1:原图)subplot(132);
[X_no_dither,map] rgb2ind(rgb,8,nodither);
imshow(X_no_dither,map);
title(Subplot 2:无抖动效果图)subplot(133);
[X_dither,map]rgb2ind(rgb,8,dither);
imshow(X_dither,map);
title(Subplot 3:有抖动效果图)saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,imgae_dither,.png])
