- 博客(7)
- 收藏
- 关注
RSS订阅原创 第1关：噪声描述器
被认定为噪声的像素点，它的像素值往往和周围的点的像素值极不协调，比如比周围所有的像素点的值都要大很多或者小很多。我们需要用一些数学模型去描述图像中的噪声，常见的有高斯噪声、椒盐噪声等。数字图像中的噪声，指在图像的获取和传输过程中，被干扰之后不符合原来的图像内容的像素点。所谓模型，指的就是噪声点在原来的图像上是怎么分布的，以及噪声点的像素值的规律。为对称轴对称，有正也有负，将噪声叠加到图片上，此时图片的像素值可能大于。的点上添加胡椒噪声，其他值的像素点不需要添加噪声，结果图片保存到。
2024-11-11 19:12:43
565
原创 第1关：腐蚀
可以看到，有两块原来是白色的像素点变成了黑色，我们来分析以下： 对于左侧中间的像素点，当遍历到它时，结构元映射到的像素点是它和它下方的像素点，取最小值则是。最左侧是原图，剩下的三幅图是使用不同大小的结构元进行腐蚀运算的结果。可以看出，最右侧的图片只保留了原来的图片的核心部分，这就是腐蚀运算的效果。腐蚀运算的过程是：遍历图像的每一个像素点，取当前像素点以及结构元映射到的所有像素点的像素的最小值，作为当前像素点的新的像素值。可以看到，四周的白色的线条全部腐蚀掉了，只剩下中心最核心的部分。黑色表示结构元的核心。
2024-11-07 16:29:04
277
原创 第1关：均值类滤波器
滤波器的种类有很多，比如均值类滤波器，排序统计类滤波器，选择性滤波器等，它们的区别就是使用不同的数学方法去除噪声。需要说明的是，使用滤波器去除噪声达不到百分之百还原原始图像的目的，但是滤波器能够大幅度的消除图像上的噪声，使得图像的观赏性提高很多。然后，遍历图像中的每一个像素点，将滤波器覆盖上去，以中间的灰色的点恰好覆盖在当前的像素点上，则计算滤波器覆盖到的区域的像素点的像素值的均值（算数均值或者几何均值），像上面这种滤波器，则计算的是周围的。它首先需要定义大小，比如。的几何均值滤波的实现，滤波器的大小是。
2024-11-07 16:13:29
687
原创 第1关：OpenCV图像平滑
相比于上面几种平滑算法，双边滤波在平滑的同时还能保持图像中物体的轮廓信息。双边滤波在高斯平滑的基础上引入了灰度值相似性权重因子，所以在构建其卷积核核时，要同时考虑空间距离权重和灰度值相似性权重。在进行卷积时，每个位置的邻域内，根据和锚点的距离d构建距离权重模板，根据和锚点灰度值差异r构建灰度值权重模板，结合两个模板生成该位置的卷积核。高斯卷积核是一个近似服从高斯分布的矩阵，随着距离中心点的距离增加，其值变小。补全右侧代码，对原图进行下面操作后输出： 1.高斯平滑 2.均值平滑 3.中值平滑 4.双边滤波。
2024-11-05 11:02:41
1263
原创 第1关：图形扩展缩放、平移、旋转
M = cv2.getRotationMatrix2D((cols / 2, rows / 2), 45, 0.6) # 旋转中心，旋转角度，缩放因子,这里缩放因子的作用是变为原来的0.6倍。cv2.warpAffine 接收的参数是2 × 3 的变换矩阵，而 cv2.warpPerspective 接收的参数是 3 × 3 的变换矩阵。M = np.float32([[1, 0, 30], [0, 1, 60]]) # 构建移动矩阵,x轴左移30个像素，y轴下移60个。
2024-10-29 20:15:32
2021
原创 第1关: 利用OpenCV进行基本绘图
椭圆弧顺时针方向起始的角度(0)椭圆弧顺时针方向结束的角度(360)颜色(255,255,0)闭合图形（实际为完整椭圆）# 任务5：绘制青色半椭圆椭圆中心坐标(256, 700)长轴和短轴长度(128, 64)椭圆沿逆时针方向旋转的角度(0)cv2.circle(img, center, radius, (0, 255, 255), -1) # -1表示填充。# 任务4：绘制一个实心黄色圆形 圆心坐标(512, 512)圆直径128黄色(0,255,255)的闭合图形。
2024-10-17 15:54:30
500
1
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