Gowi的博客

的补集是不包含于集合。的闭操作就是简单地用。

HIS Hue 色调 Saturation 饱和度 Intensity 亮度 I 为 RGB 的 Average。HSV Hue 色调 Saturation 饱和度 V 表示色彩的明亮程度 V 为 RGB 中 max。YCbCr Y 为颜色的亮度成分、而 CB 和 CR 则为蓝色和红色的浓度偏移量成份。CMYK Cyan 青色 Magenta 洋红 Yellow 黄色 K 打印黑色。CMY Cyan 青色 Magenta 洋红 Yellow 黄色。RGB Red 红色 Green 绿色 Blue 蓝色。

fxyFuv​fxMyfxyNfxMyNFuMvFuvNFuMvN​Fafxybgxy))aFfxy))bFgxy))​F∂xn∂nfxy​j2πunFfxyj2πunFuvF−j2πunfxy∂un∂nFuv​F∇2fxy−4π2u2v2Fuv​令xrcosθy。

其中在八位的灰度图中，0表示黑色，255表示白色，其中“胡椒”噪声灰度值趋于0，“盐”噪声灰度值趋于255。，于是可以认为在加权平均过程中可以忽略。从而实现了去除"胡椒"噪声。，于是可以认为在加权平均过程中可以忽略。从而实现了去除"盐"噪声。(a)、解释为什么当Q是正值时滤波对去除“胡椒”噪声有效？(b)、解释为什么当Q是负值时滤波对去除“盐”噪声有效？内椒噪声与盐噪声的灰度分别为。内的一个加权平均数，其中。

对于具有周期性的噪声被称为周期噪声，其中周期噪声在频率域会出现关于中心对称的性质，如下图所示。

gxyhxy∗fxyηxygxy为退化后的图像，fxy为原图像，hxy为退化函数，η为可加性噪声图像复原的目的是为了获得近似于fxy的估计f​xyGuvHuvFuvNuv。

在以原点为圆心、以D0​为半径的圆内，无衰减地通过所有频率，而在该圆外所有频率都不可以通过的二维低通滤波器，称为Huv10​Duv⩽D0​DuvD0​​其中，在Huv1和Huv0之间的过渡点称为截止频率，D0​是一个正常数，Duν是频率域中点uν与频率矩形中心的距离，即Duvu−P/22v−Q/221/2。

在这个例子中，我们有8个灰度级，其对应的归一化直方图概率为 ([0.17, 0.25, 0.21, 0.16, 0.07, 0.08, 0.04, 0.02])。一幅8灰度级图像具有如下所示的直方图，求直方图均衡后的灰度级和对应概率，并画出均衡后的直方图的示意图。通过这个计算，我们可以看到直方图均衡化是如何根据原始直方图的分布来重新分配灰度级的。例如，第一个灰度级的CDF是0.17，第二个是0.17+0.25=0.42，依此类推。在这个例子中，灰度级数是8，因此新灰度级 = round(7 × CDF)。

THFHT其中，F为一个N×N大小的图像矩阵，H为一个N×N大小的哈尔变换矩阵，T一个N×N大小的图像变换的结果对于哈尔变换矩阵H包含了哈尔基函数hk​z，其中k代表H的第k行，其中k满足k2pq−1，其中p⌈lnk⌉0⩽p⩽n−11⩽q⩽2p。N2n其中哈尔基函数为h0​zhk​z​h00​zN​1​z∈01hpq​zN​1​⎩⎨⎧。

因为存在L2RVj0​​⊕Wj0​​⊕Wj0​1​⊕⋯，所以存在fx可以在子空间Vj0​​中用尺度函数展开和在子空间Wj0​​Wj01​​⋯中用某些数量的小波函数展开来表示。即fxk∑​cj0​​kφj0​k​xjj0​∑∞​k∑​dj​kψjk​x其中j0​是任意的开始尺度，cj0​​k通常称为近似和或尺度系数，dj​k。

的大小，既可以确定非零值的位置范围的长度。大小的哈尔变换矩阵，大小的图像变换的结果。那么4×4 变换矩阵。

设存在函数φjk​x2j/2φ2jx−k对所有的jk∈Z和φx∈L2R都成立。其中k决定了φjk​x沿x轴的位置，j决定了φjk​x的宽度,即它沿x轴宽或窄。项 22j​控制函数的幅度。由于φjk​x的形状随j发生变化，所以φx称为尺度函数。设存在一个特定的值j0​，则可以得到集合φj0​k​x)}是集合φjk​x)}的一个子集。其中可以把由φj0​k​x。

如下图所示，第j级为输入图像，其中第j−1级为第j级的尺寸减半的存在，直至为1×1的大小，这样的模式被称为图像金字塔设原图像像素点个数为N2，则图像金字塔的总像素个数为N21411​421​⋯4P1​⩽34​N2对于图像金字塔建模，设第j级为图像降低分辨率后的近似图像，这可以视为由第j1级图像经过滤波操作和下采样实现后的存在，则第j1级可以视为第j级经过上采样和插值操作后的存在，即如下图所示：f2↑​nfn/2。

从听到傅立叶变换这个名词后到现在已经四年了，这次终于对傅立叶变换有了一个基本的初步了解。记录一下，这个傅立叶变换也同时记录了我本科到研究生的四年，一路以来跌跌撞撞，没想到最后还是入了图像的坑。

对于源灰度图像s与需匹配的直方图t灰度图像s所对应的CDF（累积概率分布函数）为Fs​Xxi​∑x0xi​​Ps​x，其中Ps​x为其的概率密度。同理直方图t所对应的CDF（累积概率分布函数）为Ft​Xxi​∑x0xi​​Pt​x，其中Pt​x为其的概率密度。由此我们需要构造一个映射函数GFs​i))Ft​j，使其分布大致一致。即把图像s中的某一个点位的灰度值Fs​i∗255。

考虑连续灰度值，并用变量r表示待处理图像的灰度。通常，我们假设r的取值区间为0L一1，且r0表示黑色，rL−1表示白色。设s所对应输出的灰度值为s。即sTr灰度r经过一系列映射成灰度s。设Tx满足一下条件Tx0L一1Tx0L一1则存在rT−1s其中条件1时为了保证s到r与r到s为单值映射，只会出现一对一的情况。把一副图像所对应的灰度值视为一个随机变量，则可以把pr​r与ps​s。

标准拉普拉斯算子​010​1−41​010​​​01−0​−14−1​0−10​​扩展至对角区域​111​1−81​111​​​−1−1−1​−18−1​−1−1−1​​其中拉普拉斯变换常在图像处理中强调灰度值的突变得到的图层与原图像叠加在一起可以得到锐化的效果。

所对应的CDF（累积概率分布函数）为。所对应的CDF（累积概率分布函数）为。由此我们需要构造一个映射函数。，使其分布大致一致。中的某一个点位的灰度值。

其中条件1时为了保证s到r与r到s为单值映射，只会出现一对一的情况。把一副图像所对应的灰度值视为一个随机变量，则可以把。表示待处理图像的灰度。视为灰度值为r与s的概率密度曲线。对于上式等号两边分布求导，于是存在。的概率密度函数与映射函数所决定。的分布情况是一样的，于是存在。考虑连续灰度值，并用变量。区间上的均匀概率密度函数。即完成上图1到图2的映射。区间上的映射，且保证与。注：对于离散型随机变量。所对应输出的灰度值为。经过一系列映射成灰度。

数字图像处理——非锐化屏蔽与高提升滤波【像素级别处理】（python）文章目录数字图像处理——非锐化屏蔽与高提升滤波【像素级别处理】（python）非锐化屏蔽介绍高提升滤波介绍非锐化屏蔽介绍其中非锐化屏蔽是指在原图像中减去一个经过锐化的图层其步骤为：模糊原图像原图像减去模糊图像(差值为模版)把模版加到原图像上令f‾(x,y)\overline{f}(x,y)f​(x,y)为模...

数字图像处理——拉普拉斯算子【像素级别处理】（python）文章目录数字图像处理——拉普拉斯算子【像素级别处理】（python）简介：代码实现简介：拉普拉斯算子是一种微分算子常在图像处理中强调灰度值的突变，不强调灰度变换缓慢的地方，得到的图层与原图像叠加在一起可以得到锐化的效果一个二维图像的拉普拉斯算子可以定义为∇2f=∂2f∂x2+∂2f∂y2\nabla^{2}f=\frac{\par...

数字图像处理——高斯滤波器【像素级别处理】（python）文章目录数字图像处理——高斯滤波器【像素级别处理】（python）简介代码实现简介高斯滤波通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个半透明屏幕在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图...

数字图像处理——中值滤波器【像素级别处理】（python）文章目录数字图像处理——中值滤波器【像素级别处理】（python）简介代码实现简介中值滤波（统计排序滤波器）是一种非线性数字滤波器技术，经常用于去除图像或者其它信号中的噪声。这个设计思想就是检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。然后，...

数字图像处理——均值滤波器【像素级别处理】（python）文章目录数字图像处理——均值滤波器【像素级别处理】（python）原理代码实现原理简介：均值滤波器是在指定邻域内对其像素点求平均值，然后代替相同位置的像素点，若超过原来的图片范围，则用0来补全。代码实现输入：import cv2import numpy as npimport matplotlib.pyplot as p...

数字图像处理——局部直方图均衡化【像素级别处理】（python）局部直方图处理是弄一个略大于图片的矩阵，超过图片的部分用0来代替像素值，在这个局部进行直方图均衡化。输入：import cv2import numpy as npimport matplotlib.pyplot as pltimport datetime# 局部直方图处理 3.3.3节# 使用3*3的领域处理im...

数字图像处理——直方图匹配【像素级别处理】（python）文章目录数字图像处理——直方图匹配【像素级别处理】（python）直方图匹配实现步骤代码实现直方图匹配实现步骤由输入图像得到pr( r) ，并由(L−1)∫0r(L-1)\int_{0}^{r}(L−1)∫0r​Pr(w)dw( w)dw(w)dw求得s的值使用G(z)=(L−1)∫0rG(z)=(L-1)\int_{0}^{r}...

数字图像处理关于傅里叶变换的小记文章目录数字图像处理关于傅里叶变换的小记背景背景傅里叶级数得名于法国数学家约瑟夫·傅里叶(1768年–1830年)，他提出任何函数都可以展开为三角级数。此前数学家如拉格朗日等已经找到了一些非周期函数的三角级数展开，而认定一个函数有三角级数展开之后，通过积分方法计算其系数的公式，欧拉、达朗贝尔和克莱罗早已发现，傅里叶的工作得到了丹尼尔·伯努利的赞助。傅里叶介入三...

图像翻转我们可以利用仿射变换来翻转图片仿射变换参考链接:https://blog.youkuaiyun.com/qq_43309286/article/details/101595206输入：图像翻转90度可以直接利用矩阵转置# 图像翻转90度import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltfrom...

灰度取反# 灰度取反import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltfrom PIL import Imageimg = cv.imread('t1.jpg')height, width, channel = img.shapefor i in range(height): for j...

计算灰度图的均值和方差文章目录计算灰度图的均值和方差均值代码实现方差代码实现均值图片的灰度均值是各个像素点的灰度值的平均值代码实现# 计算灰度均值import cv2 as cvimg = cv.imread('t0.jpg', 0)height, width = img.shapesize = img.sizeaverage = 0for i in range(heig...

数字图像处理之仿射变换仿射变换，又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。坐标变换可由： [ x y 1] = [ν ω 1]T=[ν ω 1]X[ab0cd0ef1] \left[ \begin{matrix} a & b & 0 \\ c & d & 0 \\ e & f ...

图像的像素的意义一幅图像，经过取样和量化之后就可以得到数字图像。数字图像在存储时，都是由单一的像素保存在存储设备中。像素保存顺序是与像素在数字图片中原本所处在的物理位置相关，那么就要了解像素之间的一些基本关系。在数字图像处理领域，存在着空间域和变换域的概念。数字图像处理的基本操作，有些需要在空间域中进行，而另外的一些则需要在变换域中进行。空间域：就是指图像的本身，由所采集到的一个个像素组成。...