jasneik的博客

import numpy as npimport cv2import matplotlib import matplotlib.pyplot as pltimport PILfrom PIL import Imageprint(f"Numpy version: {np.__version__}")print(f"Opencv version: {cv2.__version__}")print(f"Matplotlib version: {matplotlib.__version__}")

目录图像感知与获取一个简单的成像模型图像取样和量化空间分辨率和灰度分辨率图像感知与获取一个简单的成像模型我们用形如 f(x,y)f(x,y)f(x,y) 的二维函数来表示图像。在空间坐标 (x,y)处f(x, y)处 f(x,y)处f的值是一个标量，其物理意义由图像源决定，其值与物理源（如电磁波）辐射的能量成正比。因此，$ f(x,y) $ 一定是非负的和有限的，即0≤f(x,y)<∞(2.3) 0 \leq f(x, y) < \infty \tag{2.3} 0≤f(x,y)<

图像内插内插通常在图像放大、缩小、旋转和几何校正等任务中使用。内插并用它来调整图像的大小（缩小和放大），缩小和放大基本上采用图像重取样方法最近邻内插，这种方法将原图像中最近邻的灰度赋给了每个新位置，这种方法简单，但会产生我们不想要的人为失真，如严重的直边失真。更合适的方法是双线性内插，它使用4个最近邻的灰度来计算给定位置的灰度。令(x,y)(x, y)(x,y)表示待赋灰度值的位置（可将它相像为前面描述的网格点）的坐标，令v(x,y)v(x, y)v(x,y)表示灰度值。对于双线性内插方法，所赋的值由如

目录像素间的一些基本关系像素的相信像素import sysimport numpy as npimport cv2import matplotlib import matplotlib.pyplot as pltimport PILfrom PIL import Imageprint(f"Python version: {sys.version}")print(f"Numpy version: {np.__version__}")print(f"Opencv version: {cv2

import numpy as npimport cv2import matplotlib import matplotlib.pyplot as pltimport PILfrom PIL import Imageprint(f"Numpy version: {np.__version__}")print(f"Opencv version: {cv2.__version__}")print(f"Matplotlib version: {matplotlib.__version__}")