刘燚的博客

文章目录前言一、图像退化/复原过程的模型二、常见空间域噪声模型1.高斯噪声2.瑞利噪声3.伽马噪声4.指数噪声5.均匀分布噪声6.脉冲（椒盐）噪声三、图像中噪声判别四、空间滤波去噪1.算数均值滤波器及MATLAB代码2.几何均值滤波器及MATLAB代码3.谐波均值滤波器及MATLAB代码4.逆谐波均值滤波器及MATLAB代码5.中值滤波器及MATLAB代码6.最大值、最小值滤波器及MATLAB代码7.中点滤波器及MATLAB代码8.修正的阿尔法均值滤波器及MATLAB代码9.自适应局部降低噪声滤波器及MA.

文章目录前言一、图像退化/复原过程的模型二、使用步骤1.引入库2.读入数据总结前言图像增强处理是根据自己需要，按照主观要求去改善图像。图像复原则是一个客观的过程，将图像恢复到退化前的原图像。一、图像退化/复原过程的模型如上图所示，图像退化过程是对原图像用一个退化函数进行处理后加上一个加性噪声，退化后的图像为g(x,y)g(x,y)g(x,y)。对于退化后的图像，使用一个复原滤波器进行处理得到f(x,y)f(x,y)f(x,y)二、使用步骤1.引入库代码如下（示例）：import .

文章目录一、频率域的拉普拉斯算子1.原理2.编程步骤二、MATLAB代码1.代码2.结果一、频率域的拉普拉斯算子1.原理（1）拉普拉斯在频率域的滤波器可以表示为：H(u,v)=−4π2D2(u,v)H(u,v)=-4π^2D^2(u,v)H(u,v)=−4π2D2(u,v)（2）∇2f(x,y)=F−1[H(u,v)∗F(u,v)]\nabla^2f(x,y)=F^{-1}[H(u,v)*F(u,v)]∇2f(x,y)=F−1[H(u,v)∗F(u,v)]（3）g(x,y)=f(x,y).

文章目录前言一、同态滤波原理1.处理原理二、同态滤波器模板及MATLAB代码1.同态滤波器2.MATLAB代码三、改变参数前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。一、同态滤波原理1.处理原理（1）认为图像f(x,y)由两部分组成：照射分量i(x,y)，反射分量r(x,y):f(x,y)=i(x,y)∗r(x,y)f(x,y)=i(x,y)*r(x,y)f(x,y)=.

文章目录前言一、钝化滤波以及高提升滤波1.计算步骤2.MATLAB代码二、高频强调滤波1.高频强调滤波器2.MATLAB代码前言在上一篇文章中讲了利用频谱图进行低通平滑滤波与高通锐化滤波：https://blog.youkuaiyun.com/qq_44785013/article/details/110132798钝化滤波、高提升滤波以及高频强调滤波则是在低通滤波与高频滤波得到的结果上，进一步计算以获得更好的结果。除此之外，还有同态滤波以及拉普拉斯滤波等频率域图像增强方法。一、钝化滤波以及高提升滤波1.

文章目录前言一、傅里叶变换：傅里叶频谱图二、使用步骤1.引入库2.读入数据总结前言频率域滤波步骤：一、傅里叶变换：傅里叶频谱图二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')import sslssl._c.

文章目录前言一、一阶微分和二阶微分的定义二、一阶微分锐化滤波：梯度1.梯度2.sobel算子及MATLAB代码二、二阶微分锐化滤波：拉普拉斯算子1.拉普拉斯算子2.拉普拉斯算子MATLAB代码三、非锐化掩蔽 和 高提升滤波1.非锐化掩蔽 和 高提升滤波2.MATLAB代码总结前言锐化滤波的主要目的是突出灰度的过渡部分，比如图像中物体的边缘。一、一阶微分和二阶微分的定义一阶微分：（1）在恒定灰度值得区域一阶微分值为零；（2）在灰度变化的台阶以及斜坡处一阶微分值非零；（3）沿着斜坡的一阶微分.

文章目录前言一、平滑滤波二、使用步骤1.引入库2.读入数据总结前言使用一些滤波器对图像进行处理。一、平滑滤波示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwa.

文章目录前言一、直方图均衡1.处理方法二、使用步骤1.引入库2.读入数据总结前言直方图反映了图像整体灰度级的分布情况。一、直方图均衡顾名思义，人为使图像的灰度级分布更加均衡。1.处理方法二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarning.