
日常记录
记录日常学到的知识点。
Dr.视觉小新
追求精致机器视觉算法的猪猪尸。主攻结构光三维重建以及三维场景渲染,分享区块链和元宇宙心得和博士所感。
展开
-
Gabor滤波器
Gabor滤波器同时具有频率选择性和方向选择性的特性,并且在空间和频率域均具有最佳的联合分辨率。因此,使用Gabor滤波器作为带通滤波器以消除噪声并保留真实的脊/谷结构是适当的。偶数对称的Gabor滤波器具有一般形式Gabor滤波器的调制传递函数(MTF)可以表示为要将Gabor滤波器应用于图像,必须指定三个参数:(i)正弦平面波的频率u0,(ii)滤波方向,以及(iii)高斯包络线的标准偏差和 。显然,滤波器的频率特性f完全由局部脊频率确定,而方向由局部脊方向确定...原创 2020-07-23 18:21:09 · 2090 阅读 · 1 评论 -
归一化,去中心化,标准化和欧拉变换
1、Normalization归一化和标准化没有特别的分界在图像里的归一化一般是将图像的灰度值归一化到0-1或者0-255。在机器学习中一般对数据标准化为正态分布,均值为0,方差为1。去中心化,是将变量减去一个均值得到的就是去中心化的变量。2、欧拉公式用一组正交基sin/cos函数(信号)合成表示原信号。分解得到的一系列sin/cos函数(信号)经过欧拉公式变换为复数形式,一个复数就能同时表示分解的信号的分量的相位和幅度,其中相位表示cos/sin起振的角度,幅度是信号强度。.原创 2020-07-21 17:36:24 · 3158 阅读 · 0 评论