MATLAB编程实现数字图像的图像复原

Matlab图像处理综合实验实验报告 图像增强:1.熟悉图像在Matlab下的读入,输出及显示;2.熟悉直方图均衡化;3.熟悉图像的线性指数等;4.熟悉图像的算术运算及几何变换.计算机,Matlab软件图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外,还需要有目的性地加强图像中的某些信息而抑制另一些信息,以便更好地利用图像。图像增强分频域处理和空间域处理,这里主要用空间域的方法进行增强。空间域的增强主要有:灰度变换和图像的空间滤波。 阅读详情

图像复原

一、实验目的

1了解图像退化原因与复原技术分类化的数学模型;

2熟悉图像复原的经典与现代方法;

3热练掌握图像复原的应用;

4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。

二、实验原理:

图像复原处理是建立在图像退化的数学模型基础上的,这个退化数学模型能够反映图像退化的原因。图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果,图像退化模型如图1所示,可以表示为:

 g ( x, y) = H [ f ( x, y)] + n( x, y) = f ( x, y) *h( x, y) + n( x, y)     (1)

                           图1  图像退化模型

  1. 在测试图像上产生高斯噪声lena图-需能指定均值和方差;并用滤波器(自选)恢复图像;

噪声是最常见的退化因素之一,也是图像恢复中重点研究的内容,图像中的噪声可定义为图像中不希望有的部分。噪声是一种随机过程,它的波形和瞬时振幅以及相位都随时间无规则变化,因此无法精确测量,所以不能当做具体的处理对象,而只能用概率统计的理论和方法进行分析和处理。本文中研究高斯噪声对图像的影响及其去噪过程。

①高斯噪声的产生:

所谓高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。一个高斯随机变量z的PDF可表示为:

P(z)=

                 (2)

其中z代表灰度,u是z的均值,

是z的标准差。高斯噪声的灰度值多集中在均值附近。

图2  高斯函数

可以通过不同的算法用matlab来产生高斯噪声。

②高斯噪声对信号的影响

噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程,在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点,使图像变得不清晰。

③去除高斯噪声的一些方法

去除高斯噪声的方法有直方图变换,低通滤波,高通滤波,逆滤波,维纳滤波,中值滤波等。本文应用高斯平滑滤波进行去噪处理。

维纳滤波对高斯白噪声的图像滤波效果较好,具有比较好的选择性,可以更好地保存图像的边缘和高频细节信息。所以,维纳滤波在大多数情况下都可以获得满意的结果,尤其对含有高斯噪声的图像。

三、实验仪器

1计算机;

2 MATLAB程序;

3移动式存储器(软盘、U盘等)。

4记录用的笔、纸。

3利用MATLAB软件实现数字图像傅立叶变换的程序:

四、实验步骤

 1打开计算机,安装和启动MATLAB程序;程序组中“work”文件夹中应有待处理的图像文件;

2利用MatLab工具箱中的函数编制图像复原的函数;

3 在测试图像上产生高斯噪声lena图-需能指定均值和方差;并用滤波器(自选)恢复图像;

4 推导维纳滤波器并实现下边要求;

维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理,其目标是寻找一个滤波器,使得复原后图像          与原始图像          的均方误差最小:

因此维纳滤波器又称为最小均方误差滤波器。

在频率中用下式表达:

其中,

是退化图像的傅立叶变换,

是退化函数。

,

是

的复共轭。

,为噪声的功率谱。

,为未退化图像的功率谱。

维纳滤波器的推导:

     合理假设要估计的信号f(x,y)为0均值平稳随机过程,噪声为0均值平稳随机过程。

g ( x, y) = h( x, y) * f ( x, y) + 

( x, y)

根据已退化图像g(x,y),利用线性估计器

来估计原始图像。

先证:          g ( x, y) = f ( x, y) + 

( x, y),

最小化均方误差:

=

, 

e(x,y)=f(x,y)− fˆ(x,y), fˆ(x,y)=w(x,y)*g(x,y)

最小化均方误差可以由正交原则求解,即最优求解的误差与观测的信号值不相关。

得:      E[e(m, n ) g * (x, y)]= E[f(m,n)− fˆ(m,n)] g*(x, y)]=0

进一步分解得:

E [f(m,n)g * (x, y)]=E[fˆ(m,n)g * (x, y)]

=         = E {

w(k1, k2 )[g (m−k1, n−k2)g*(x,y)]}

= E {

w(k1, k2 )(Rg (m−k1-x, n−k2-y)}

              =w(m-x,n-y)* Rg (m-x, n-y)

记:         Rfg ( m-x, n-y)= E[f(m,n)g * (x, y)] 

因此,       Rfg ( m, n)= w(m,n)* Rg (m, n)

上式作Flouier变换得:

Pfg ( w1, w2)= W(w1, w2)* Pg (w1, w2)

即:      W(w1, w2)= Pfg ( w1, w2)/ Pg (w1, w2).     (3)

又有:      Rfg ( m-x, n-y)= E[f(m,n)g * (x, y)]

   = E [f(m,n).[

h (k1, k2)f(x-k1,y-k2)+

(x, y)]*

           =

 h *(k1, k2) Rf (m-x+ k1, n-y +k2)

         = h *(-(m-x),-(n-y))* Rf (m-x, n-y)

因此,     Rfg ( m, n)= h *(-m,-n)* Rf (m, n)

对上式作Flouier变换得:

             Pfg ( w1, w2)= H*( w1, w2)Pf (w1, w2)     (4)

同时,  Rg (m-x, n-y)= E[g(m,n)g * (x, y)]

       = E [

h (k1, k2) f(m-k1,n-k2)+ 

(m,n)]

*[

 h *( 

1,

2) f*(x-

1,y-

2)+ 

*(x, y)]

               =

h (k1, k2) h *( 

1,

2) E[f(m-k1,n-k2)

f*(x-

1,y-

2)]+ E{

(m,n) 

*(x, y)}

得:  Rg (m-x, n-y)

= 

h(k1,k2)h*(

1,

2) Rf (m-k1-x+

1,n-k2-y+

2) + R

 (m-x,n-y)

= Rf (m-x,n-y)* h(m-x,n-y)* h* (-(m-x),-(n-y))+ R

 (m-x,n-y)

所以,

    Rg (m, n)= Rf (m,n)* h(m,n)* h*(-m,-n)+ R

 (m-x,n-y)

上式作Flouier变换得:

Pg (w1,w2)= Pf (w1, w2)*H(w1, w2)*H*(-w1,-w2)+P

(w1, w2)

         = 

 Pf (w1, w2)+ P

(w1, w2)    (5)

综合以上式(3)(4)(5)可得:

   

推导完毕。

  1. 实现模糊滤波器如方程Eq.(5.6-11).

在图像复原中,有3种主要的估计退化函数的方法:(1)图像观察估计法,(2) 试验估计法,(3)模型估计法。本文实现从基本原理开始推导数学模型的模型估计法。其SFR为:

          

根据上式设计滤波器,实现的程序代码。

I=imread('E:\test1.bmp');

    figure(1);imshow(I,[]);

    title('原图像');

    PSF=fspecial('motion',50,45);

    MF=imfilter(I,PSF,'circular');

    noise=imnoise(zeros(size(I)),'gaussian',0,0.001);

    MFN=imadd(MF,im2uint8(noise));

    figure(2);imshow(MFN,[]);

    title('运动模糊图像');

    NSR=sum(noise(:).^2)/sum(MFN(:).^2);

    figure(3);

    imshow(deconvwnr(MFN,PSF,NSR),[]);

    title('逆滤波复原');

    figure(4);

    imshow(deconvwnr(MFN,PSF,NSR),[]);

    title('维纳滤波复原');

    NP=0.002*prod(size(I));

    [reg1 LAGRA]=deconvreg(MFN,PSF,NP/3.0);

    figure(5);imshow(reg1);

title('最小二乘滤波复原');

五、实验结果图

六、结果分析

实验中发现,采用维纳滤波恢复可以取得比较好的效果,这个算法可以使估计的点扩散函数值PSF更加接近它的真实值。在我们知道模糊图像的点扩展函数的情况下,可以调用常规的图像复原算法;而现实里还会遇见不知道点扩展函数的情况,这个时候我们就可以利用盲卷积复原算法。它是利用原始图像模糊,同时进行清晰图像的恢复和点扩展函数计算的一种方法,因此,盲卷积复原算法的优点就是,对失真情况还未知的情形下,仍然能够操作恢复模糊图像。

利用约束最小二乘方法实现对受到噪声等因素所干扰的数字图像其恢复的效果和原始图像相比还有一定的差距。

基于Matlab数字图像处理应用图像复原 一、项目背景与意义在数字图像处理领域,图像复原技术旨在去除或减轻图像在获取、传输或存储过程中产生的失真和噪声,从而恢复图像的原始质量。随着信息技术的发展,图像复原技术在医疗、遥感、视频监控等领域的应用越来越广泛。本项目基于Matlab平台,利用数字图像处理技术,实现对受损图像的复原,具有重要的理论价值和实践意义。二、项目内容图像退化原因分析:图像在形成、传输和记录过程中,由于受到多种因素的影响,如大气湍流、镜头聚焦不准、成像设备噪声等,导致图像质量下降,出现模糊、失真等现象。 阅读详情

相关推荐

基于MATLAB的数字图像处理的设计与实现

基于MATLAB的数字图像处理的设计与实现1、课题介绍数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。目的:改善医学图像质量,使图像得到增强。方法:利用Matlab工具箱函数,采用灰度直方图均衡化和高通滤波的方法对一幅X...

TuTu998的博客 2800

基于MATLAB的图像拼接技术实验报告

1、图像拼接技术是数字图像处理技术的一个重要的研究分支,它是将一组相互间存在重叠部分的图像序列进行匹配对准经重采样融合后形成一幅包含各图像序列信息的、宽视角场景的、完整的、高清晰的新图像。5、、通过这次的实验,增强了我们的团队团队合作精神,虽然在实验中我们遇到了不少困难,但是通过我们的努力,克服了困难,完成了实验,使我们更有信心面对更大的困难。if sum(sum(regimg1==0))>sum(sum(regimg2==0)) %选择零点较多的配准图像为拼接图像。

weixin_50928346的博客 1033

使用MATLAB进行图像修复的方法

最后,我们可以保存修复后的图像。图像修复是一种重要的图像处理技术,用于恢复损坏或受到破坏的图像。MATLAB是一个功能强大的数值计算和图像处理工具,提供了丰富的函数和工具箱,可以帮助我们进行图像修复。在上述代码中,我们首先创建了一个与原始图像大小相同的修复图像。然后,我们使用interp2函数将原始图像中的损坏区域的像素值进行插值,并将修复后的像素值赋值给修复图像。假设我们已经检测到了图像中的损坏区域,并将其保存为一个二值图像mask。根据具体的情况,选择合适的方法来检测图像中的损坏区域,并将其标记出来。

NoerrorCode的博客 1616

【MATLAB图像处理】图像复原

图像复原是图像处理的主要内容之一,所谓图像复原就是指去除或减轻在图像获取过程中发生的图像质量的下降。成像过程中的图像“退化”,是指由于成像系统各种因素的影响,使得图像质量降低。图像复原可以看成图像退化的逆过程,是将图像退化的过程加以估计,建立退化的数学模型后,补偿退化过程造成的失真。与图像增强相似,图像复原的目的也是改善图像质量。图像增强主要是一个主观过程,而图像复原主要是一个客观过程。图像增强被认为是一种对比度拉伸,提供给用户喜欢接收的图像:而图像复原技术追求恢复原始图像的最优估值。

weixin_51659968的博客 4941

《数字图像处理 MATLAB版》学习笔记

学习教材:《数字图像处理 MATLAB版》(第二版) 冈萨雷斯 文章目录一、学习目录二、学习扩展 一、学习目录 《绪言》上 二、学习扩展 安装MATLAB

南淮北安的博客 7995

MATLAB数字图像处理:图像复原技术入门指南

MATLAB的图像处理工具箱是一套功能强大的函数集合,用于处理图像和视频数据。这些函数涵盖了从基本的图像操作到复杂的图像分析和增强技术。使用图像处理工具箱,用户可以进行图像的读取、写入、显示,以及对图像的灰度变换、滤波、特征提取等操作。要使用图像处理工具箱中的函数,通常需要先导入该工具箱。这可以通过MATLAB的addpath函数实现,或者通过MATLAB的工具箱管理器进行导入。以下是一个简单的示例,展示了如何使用图像处理工具箱中的函数来读取、显示和保存图像:% 导入图像处理工具箱。

weixin_33256096的博客 921

基于matlab的数字图像处理系统

这个数字图像处理系统有5大功能板块,分别是图像增强、图像分割、图像变换、图像复原以及图像编码。功能丰富得很,直接上图感受下(此处应插入一张包含5个功能板块的系统截图)。

2501_93693767的博客 81

对一幅灰度图像进行运动模糊并叠加高斯噪声,并采用维纳滤波进行复原+含代码操作演示视频

对一幅灰度图像进行运动模糊并叠加高斯噪声,并采用维纳滤波进行复原+含代码操作演示视频 运行注意事项:使用matlab2021a或者更高版本测试,运行里面的Runme.m文件,不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

数字图像处理报告:实验4 图像复原

数字图像报告:实验4 图像复原

追星,但也不要忘了土地 7935

数字图像处理-图像复原(频域)-MATLAB-实例程序

数字图像处理-图像复原(频域)-MATLAB-实例程序

XGBoost详解(原理篇)

XGBoost全称为eXtreme Gradient Boosting,即极致梯度提升树。XGBoost是Boosting算法的其中一种,Boosting算法的思想是将许多弱分类器集成在一起,形成一个强分类器(个体学习器间存在强依赖关系,必须串行生成的序列化方法)。Note:关于Boosting算法详见博文集成学习详解_tt丫的博客-优快云博客XGBoost是一种提升树模型,即它将许多树模型集成在一起,形成一个很强的分类器。其中所用到的树模型则是CART回归树模型。

tt丫的博客 7万+

运动模糊图像复原算法实现及应用

任务书 课程设计目的: 提高分析问题、解决问题的能力,进一步巩固数字图像处理系统中的基本原理与方法。 熟悉掌握一门计算机语言,可以进行数字图像应用处理的开发设计。 课程设计的题目:运动模糊图像复原算法实现及应用 创建一个仿真运动模糊PSF来模糊一幅图像(图像选择原理)。 针对退化设计出复原滤波器,对退化图像进行复原(复原的方法自定)。 对退化图像进行复原,显示复原前后图像,对复原结果进行分析,并评价复原算法。 课程设计方案制定: 程序运行环境是Windows 平台。 开发工具选用matlab、VC

weixin_50928346的博客 1368

Android 13高通平台CTS camera部分fail项修改(续)

接着上一篇,有几个提了case高通也分析了很久的fail项,其中最离谱的是问题1,第一个接手case的人反反复复处理、内部排查踢皮球、要求log,折腾了很久,最终就给出个解不了的结论。后面还是靠着自己发现了一些蛛丝马迹,并且换了个case接手人才最终解决。

hkj887tg的博客 2061

基于MATLAB的图像复原与重建设计

图像处理中的一个重要研究分支是物体图像的重建,它被广泛的应用于检测和观察中,而这种重建方法一般是根据物体的一些横截面部分的投影而进行的。傅里叶反投影重建方法可以说是最简单的一种变换重建方法,一个三维(或二维)物体,它的二维(或一维)投影的傅里叶变换恰好与此物体的傅里叶变换的主题部分相等,傅里叶变换的重建方法正是以此为基础的。图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目,即根据退化的原因,分析引起退化的环境因素,建立相应的数学模型,并沿着使图像降质的逆过程恢复图像[5]。

weixin_50928346的博客 1065

AI视频生成提示词工程:结构化公式与实战案例详解

在实际使用 AI 生成视频或图像时,最常遇到的困惑是:为什么我的提示词(Prompt)生成的画面总是不理想?是模型能力不足,还是我的描述有问题?答案往往是后者。提示词工程(Prompt Engineering)并非简单的“翻译”需求,而是一门需要结构化思维和精准描述的技能。它决定了 AI 能否准确理解你的意图,并生成符合预期的视觉内容。 本文将通过两个核心案例,深入拆解提示词的构建逻辑。第一个案例聚焦于“文生视频”,我们将学习如何将一个简单的想法,如“小猫在雪地里玩雪球”,通过结构化公式扩展为一段富有细节和

weixin_30800987的博客 566

RAD Studio 10.4.2 安装避坑指南:从镜像加载到首次运行的全流程解析

本文提供了一份详尽的RAD Studio 10.4.2安装避坑指南,涵盖从镜像验证、文件提取到安装激活的全流程。重点解析了安装教程中常见的权限、路径及激活顺序等关键“坑点”,旨在帮助开发者,尤其是Delphi和C++Builder新手,一次性顺利完成安装与配置,确保开发环境稳定运行。

weixin_29224309的博客 328

基于matlab图像复原技术解析

一、目的1了解图像退化原因与复原技术分类化的数学模型;2熟悉图像复原的经典与现代方法;3热练掌握图像复原的应用;4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。二、设计原理:图像复原处理是建立在图像退化的数学模型基础上的,这个退化数学模型能够反映图像退化的原因。图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果,图像退化模型如图1所示,可以表示为:在测试图像上产生高...

matlab1998_vx的博客 2048

AMDGPU驱动中Doorbell与Event机制简要对比

摘要:AMDGpu驱动中,Doorbell和Event是两种异步通知机制。Doorbell是CPU→GPU的单向硬件通知,通过写MMIO寄存器触发GPU拉取任务,延迟低且无需内核介入,适用于队列任务提交。Event是GPU→CPU的双向同步通知,基于中断和内核事件对象,支持阻塞等待,用于任务完成或异常上报。核心区别在于方向、用途和实现方式:Doorbell侧重任务触发,Event侧重状态反馈。两者配合实现高效的任务下发与完成通知流程。

图形/计算GPU的驱动与虚拟化技术分享园地 1863

MATLAB的图像复原与重建设计

图像处理中的一个重要研究分支是物体图像的重建,它被广泛的应用于检测和观察中,而这种重建方法一般是根据物体的一些横截面部分的投影而进行的。傅里叶反投影重建方法可以说是最简单的一种变换重建方法,一个三维(或二维)物体,它的二维(或一维)投影的傅里叶变换恰好与此物体的傅里叶变换的主题部分相等,傅里叶变换的重建方法正是以此为基础的。图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目,即根据退化的原因,分析引起退化的环境因素,建立相应的数学模型,并沿着使图像降质的逆过程恢复图像[5]。

weixin_50928346的博客 1555

基于XGBoost的混凝土力学性能预测系统

本文介绍了一个基于XGBoost算法的混凝土力学性能预测系统。该系统通过模拟生成3000组混凝土配合比数据(包含水灰比、水泥用量和龄期三个关键特征),利用XGBoost强大的非线性建模能力预测混凝土抗压强度。研究背景源于传统混凝土性能测试方法耗时耗力的痛点,该系统可显著减少实验次数,优化配合比设计。系统实现包括:数据生成与特征工程(模拟真实工程数据并添加噪声和异常值)、XGBoost模型构建、以及预测性能评估。XGBoost算法因其处理非线性关系能力强、鲁棒性好等优势被选用,可为智能建造和数字化施工提供技术

huanghm88的专栏 132

uniapp:详细ios本地离线打包完整流程,使用XCode苹果本地离线打包APP,UNIAPP IOS离线打包并上传到上传到App Store应用商店(mac环境 Uniapp iOS本地离线打包)

uniapp ios 本地离线打包(攻略),iOS App打包发布上架,uni-app项目离线打包之iOS,uni-app实现XCode苹果本地离线打包APP,UNIAPP之IOS离线打包,iOS开发打包ipa,uniapp 打包 IOS,uniapp ios app离线打包配置,uniapp打包离线App(ios),uniapp ios打包详细步骤,最新版iOS Xcode如何证书配置和ipa打包(附图文教程)uniapp申请ios证书,uniapp iOS打包,证书申请,XCode打包IOS应用发布Ap

✅ 精选推荐文章 4507

数字图像处理matlab实验对图像复原,数字图像处理(基于Matlab)图像复原

《数字图像处理》实验报告一、实验目的(不少于200字)本次实验进行的主要是对图像复原进行有关讨论。在图像形成过程中,由于成像系统等各种外部因素的影响,可能导致图像的质量下降,发生所谓的“图像退化”。与图像增强相类似,图像复原的目的是改善图像的质量,便于人眼辨识,增强表达效果。在进行图像复原的过程中,必要的先验知识十分重要,可以非常方便的将已退化的图像恢复本来的面目,但是有些时候图像的先验知识我们并...

weixin_42302142的博客 829

基于YOLOv10深度学习的花生种子霉变检测系统

YOLO(You Only Look Once)是当前最先进的目标检测算法之一,具有快速、精准的特性。YOLOv10是YOLO系列的最新版本,相较于之前的版本,YOLOv10在特征提取、模型精度和速度上都有了显著的提升。YOLOv10采用了更深的卷积神经网络、更多的跨层特征融合方法,使得其在不同尺寸物体的检测和复杂场景的处理上都表现出了优异的性能。YOLOv10特别适合应用在需要快速处理并检测大量图像的任务中,如花生种子霉变检测等,能够实现精准、高效的检测。

2201_76125393的博客 649

数字图像处理第三次试验:图像复原、图像分割

数字图像处理第三次试验:图像复原、图像分割前前言前言一、实验目的二、实验主要仪器设备三、实验原理四、实验内容五、实验步骤六、实验程序七、实验报告要求八、预习要求九、思考题 前前言 本次实验老师要求图像复原、图像分割两个实验写到一个实验报告内。因此为区分两个实验,我在标明括号时重新标号,以示区分。 前言 为了帮助同学们完成痛苦的实验课程设计,本作者将其作出的实验结果及代码贴至优快云中,供同学们学习参考。如有不足或描述不完善之处,敬请各位指出,欢迎各位的斧正! 一、实验目的 (1)了解图像复原的原理。 (2)

sjx3161的博客 7002

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

数字图像处理实验(五)|图像复原{逆滤波和伪逆滤波、维纳滤波deconvwnr、大气湍流扰动模型、运动模糊处理fspecial}(附matlab实验代码和截图)

数字图像处理实验(五)|图像复原{逆滤波和伪逆滤波、维纳滤波deconvwnr、大气湍流扰动模型、运动模糊处理fspecial}(附matlab实验代码和截图)

河海大学研究生在读的学习笔记 4649

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

基于MATLAB的数字图像处理的设计与实现毕业设计

基于MATLAB的数字图像处理的设计与实现1、课题介绍数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。目的:改善医学图像质量,使图像得到增强。方法:利用Matlab工具箱函数,采用灰度直方图均衡化和高通滤波的方法对一幅X...

TuTu998的博客 9426
上一篇: (完整word版)数字图像处理实验
下一篇: Matlab-模糊图像恢复-数字图像处理
GPT_code
博客等级 码龄3年 3543粉丝 338原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值