- 博客(27)
- 收藏
- 关注
RSS订阅原创 图像数据处理25
设定一个阙值，计算每个候选像素的灰度值与已生长区域像素的平均灰度值之间的差的绝对值，要是这个值小于阙值，则认为相似程度高，将其合并到生长区域像素中去，反之则不进行合并。可以理解成先选择一个像素区域，然后将其邻接区域中相似程度高的像素合并进去，直到找不到可以合并的像素为止。其的主要优点是能够较为精准地将具有相同特征的联通区域分割出来。
2024-08-29 22:40:32
1458
原创 图像数据处理24
对于双峰图像，其的两个峰顶往往代表像素集中的两个区域，可以理解成是目标和背景，在双峰图像中常常选用双峰间波谷处的灰度值作为阙值，因为波谷处的深度相对较大，这就代表其的像素数量远远少于波峰处的像素数量，即目标和背景存在显著差异。根据图像的灰度值来对图像进行分割，高于灰度值的常被认为是前景图像，而低于灰度值的则被认为是背景图像。设图像的总像素数为N，灰度级范围为[0, L-1]，其中L是灰度级的数量（对于最常见的（uint8）类型的图像，L的最大取值通常是256）；计算图像的平均灰度值μ。
2024-08-28 23:39:23
1454
原创 图像数据处理23
角点检测方法检测的是拥有特定特征的图像点。这些特征点在图像中有具体的坐标，并具有某些数学特征，比如局部最大或最小灰度、或是某些梯度特征等。角点检测算法可被用于识别具有特定形状的关键点，比如圆形、矩形等边缘的交点或特定结构的关键位置。在在进行动态图像分析中，角点检测算法能够跟踪图像序列中的特征点。进行阈值处理，将所有像素值大于或等于图像最大像素值的1%的像素点设置为白色（255），其余像素点设置为黑色（0）值较小时，角点检测的灵敏度较高，容易检测到更多的角点，但也可能可能错误的将非角点检测成角点。
2024-08-26 20:06:22
683
原创 图像数据处理21
高斯平滑能够有效地抑制图像中的噪声，减少噪声对边缘检测的影响。Canny算法是应用于边缘检测的标准算法，其目标是找到一个最优的边缘检测解，即尽可能多地标识出图像中的实际边缘，同时使标识出的边缘尽可能接近实际边缘，并尽可能减少噪声对边缘检测结果的干扰。：LoG算子中的高斯核标准差（σ）是一个可调整的参数，通过改变σ的值，可以控制高斯平滑的程度，适应不同噪声水平和边缘特性的图像，进而优化缘检测的效果。它先对图像进行高斯平滑处理，然后计算拉普拉斯算子，以找到图像中的零交叉点，从而实现图像边缘位置的检测。
2024-08-22 17:09:25
1046
原创 图像数据处理20
梯度算子在图像处理中常用于边缘检测，它通过计算图像中各像素点邻域的灰度值变化来识别图像的边缘。梯度算子的滤波模板可以对图像进行平去噪，进行边缘检测并提供边缘的方向信息。梯度算子的系数可以指定参与计算的像素（将不希望参与特定方向梯度计算的像素点的系数设置为零或接近零的值）还有其的权重大小，在高等数学中，我们都已经对梯度进行了学习，梯度是一个向量，其方向反映了函数在该点变化率最快的方向（即函数沿梯度方向变化最快）。
2024-08-22 12:34:57
300
原创 环境配置1-MobaXterm服务器中Anaconda、Pytorch的安装
解决方法：输入which python查看配置的环境中python的路径，输入echo $PATH查看环境中配置的python路径是否位于最前面。若发现两处的python版本不一样（或虽然一样仍然无法调用pytorch），则说明调用时python路径出现错误，即使用的python并非为安装pytorch的python。①Conda activate XX进入环境，输入python -V查看python的环境，此环境为运行代码的python环境。的错误，这通常意味着服务器拒绝了你的请求。
2024-08-21 23:24:02
1754
原创 图像数据处理18
ndimage.binary_fill_holes：这是空洞填充的函数，它查找图像中所有被前景图像（白色）完全包围的背景（黑色），并将这些区域填充为白色。击中、击不中变换是图像处理中的一种形态学操作，主要用于检测图像中的特定形状。一副二值图像中，将属于同一个连通区域的像素点赋予相同的标记，而属于不同连通区域的像素点则赋予不同的标记。只有当结构元素覆盖的图像区域完全满足“击中”和“击不中”的条件时，该区域的中心点才会被标记为击中。结构元素中的“1”对应的图像像素必须满足特定的条件（例如：等于某个特定的值）。
2024-08-20 12:00:03
2006
原创 图像数据处理17
以二值图像为例，若黑色背景上有一些白色小斑点噪声，开运算先通过腐蚀操作削弱前景图像（所有前景图像即所有白色的部分）来去除噪音（白色小斑点），因为噪音面积相对较小，执行完腐蚀操作后会被黑色完全覆盖。随后再通过开运算的膨胀操作增强前景图像的边界，恢复因腐蚀操作而受影响的非噪音部分的形状面积。还是以二值图像为例，闭运算先通过膨胀操作来增强前景图像，通过对前景图像（白色部分）边界的扩充，来消除掺杂在其中的小黑点等噪音，随后在通过腐蚀操作其的腐蚀操作来削弱前景图像的边界，恢复其因膨胀操作而扩充的形状面积。
2024-08-19 23:47:37
1262
3
原创 图像数据处理16
结构元素（SE）是一个形状和大小已知的像素点集，它能够用来探测和提取图像中的特定形状以及结构信息，它通常由一个元素取值为0或1的二维矩阵来表示，其中取值为1的元素定义了结构元素的形状和大小，取值为0的元素则不参运算。腐蚀可以简单理解成对削弱前景像素的边界，而膨胀则可理解成增强前景像素的边界（如在二进制图像中，往往白色为前景图像，黑色为背景）这一节主要讲解了数学上的一些概念，比如集合的相关运算、连通、通路、区域等、我在这一节中主要学习的内容是图像处理中的结构元素。# 创建一个矩形结构元素。
2024-08-18 23:36:53
376
原创 图像数据处理14
统计排序滤波器属于非线性空域滤波器，常见的统计排序滤波器有中值滤波器、最大值滤波器、最小值滤波器。中值滤波器、最大值滤波器和最小值滤波器是三种常见的统计排序滤波器，它们在图像处理和信号处理中发挥着重要作用。以下是对这三种滤波器的详细讲解最大滤波器的主要原理是将滤波窗口内所有像素的灰度值中的最大值赋给窗口中心的像素。其主要作用是查找图像中的最亮点或降低胡椒噪声(可以理解成图像中像胡椒一样的小黑点),能在突出图像中亮区域的同时会削弱亮区域相邻的暗区域。
2024-08-17 16:06:55
645
原创 图像数据处理13
3.1滤波器的基本概念什么是滤波？简单来说就是从干扰信号中提取出有用的信号空域滤波适用于简单的滤波任务，直接对图像的像素空间进行操作。它通过对图像中的每个像素点及其邻域像素进行运算，生成新的像素值来实现滤波效果。常见的空域滤波包括均值滤波、高斯滤波、中值滤波等。频域滤波基于图像的频谱信息进行操作。它通过将图像转换到频率域，对频谱信息进行滤波处理，然后再将处理后的频谱反变换回空间域得到最终图像。
2024-08-16 16:19:36
1013
原创 图像数据处理11
上一节我们学习了直方图中灰度值的分布特点，只有灰度值分布均匀、动态范围大，才能得到得到一幅特征清晰的图像，而直方图均衡化正是通过灰度变换函数处理图像来达到上述目的。2.5.2灰度函数的选择：往往通过选择输入图像的累积分布函数作为灰度变换函数，可以使得输出图像的灰度直方图呈现近似均匀分布。
2024-08-14 19:48:31
866
原创 图像数据处理10
参考数学中的概念，一个灰度值的频数即为是该灰度值的所有像素个数之和，而相对灰度值则是用频数/所有像素个数。计算相对灰度值近和计算归一化一致。比如一个图片共有100个像素，其中灰度值为3的像素共有45个，则它的频数为45，相对频率为0.45.意味着图像中大部分像素的灰度值较低，整体偏暗意味着图像中大部分像素的灰度值较高，整体偏亮意味着图像中的灰度值变化不大，整体对比度较低,特征不够清晰意味着图像中的灰度值在各个等级上都有较为均衡的分布，图像的细节特征较为清晰。
2024-08-14 16:02:07
685
原创 图像数据处理9
调整 γ 的值可以改变图像的亮度。其中，c 是一个常数，用于调整对数曲线的形状和位置。对数矫正可以扩展图像中较暗区域的细节，同时压缩较高灰度级的范围。其中,b和 k是常数，k的值通常略大于1。该函数能突出图像的亮区域，减弱图像的暗区域。以下式子中使用 f 表示输入图像的像素值，g 表示输出图像的像素值。常用于校正图像亮度的不均匀性，使图像更加符合人眼的视觉特性。从[0,255]归一化到[0,1]，变换后再把输出灰度值。常用于增强图像的对比度，特别是在暗区域中。常用于改善图像的视觉效果，使图像更加清晰。
2024-08-13 17:46:44
480
原创 图像数据处理8
斜率大于1意味着输出灰度值的增长速度快于输入灰度值的增长速度，这会导致灰度动态范围的扩展，即原本相近的灰度值在输出时会被拉开差距，从而增强了图像的对比度。斜率小于1意味着输出灰度值的增长速度慢于输入灰度值的增长速度，这会导致灰度动态范围的压缩，即原本差距较大的灰度值在输出时会被拉近，从而降低了图像的对比度。会在变换过程中对超出范围的像素值进行饱和处理，即将超出最大值的像素值设置为最大值，将低于最小值的像素值设置为最小值。即在不同灰度的区间，对图像采用不同的灰度函数进行变换，从而实现更好的图像灰度处理。
2024-08-12 20:44:31
1417
原创 图像数据处理7
图像像素灰度值所跨越的值域，被定义为该图像灰度值的动态范围。动态范围越大，意味着图像能够包含的明暗层次越多，进而使得图像细节的表达能力得到显著增强。同时，改变图像的动态范围也会对其对比度和亮度产生直接影响。对于采用8位表示的256级灰度图像来说，其像素灰度值的最大动态范围被设定为[0, 255]。以下代码实现了图像亮度、对比度的变化并将图像灰度值的最大动态范围被设定为[0, 255]，就可以简单地实现增加或减小像素灰度值之间的差距，从而改变图像的对比度。2.1图像的亮度、对比度和动态范围。
2024-08-11 20:15:33
302
原创 图像数据处理6
邻域”（neighborhood）描述像素之间的位置关系，常见的邻域有4-邻域、4-对角邻域、8-邻域、m×n矩形邻域等①4-邻域：取定像素本身位（x,y）,四邻域坐标分别为（x-1,y）、（x+1,y）、(x,y-1)、(x,y+1)②4-对角邻域：取定像素本身位（x,y），,四对角邻域坐标分别为（x-1,y-1）、（x+1,y+1）、(x-1,y+1)、(x+1,y-1)③8-邻域：4-邻域，4-对角邻域之和④m×n。
2024-08-10 22:36:15
304
原创 图像数据处理5
具体来说，如果两个图像数组的对应元素之间满足特定的比较关系，或者一个图像数组的元素与一个标量之间满足特定的比较关系，那么结果数组在相应位置上的元素将被赋值为True；图像的二进制位运算是指将两个整数类型的图像数组对应元素的二进制值，按照位进行逻辑运算的过程，或者将一个整数类型图像数组的每个元素与一个整数（标量）进行按位的逻辑运算。图像的比较运算，本质上是对两个图像数组进行逐元素的大小关系比较，或者将一个图像数组的各元素与一个标量（常数）进行大小关系比较，参与比较运算的两个图像数组必须具有相同的维数。
2024-08-10 16:10:18
772
原创 图像数据处理1-图像数据的表示与基本运算 1.1图像文件的读写与显示
通过opencv、pillow、matplotlib、Scikit-image实现图片的读写与显示
2024-08-08 11:07:57
2102
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人