KeepSilent的博客

霍夫曼方法的第一步是通过对所考虑符号的概率进行排序并将具有最小概率的符号合并为一个符号来替代下次信源化简过程中的符号,从而创建一个简化信源系列。在基于符号或基于记号的编码中，一幅图像被表示为多幅频繁发生的子图像的一个集合，称为符号。}的集合来编码,其中,每个(x,y)对规定了图像中一个符号的位置，而记号t,是该符号或子图像在字典中的地址。给定一个非负整数n和一个正整数除数m>0后，表示为Gm(n)的n关于m的Golomb编码是商[n/m]的一元编码和n modm的二进制表示的一个合并。

上图中，(膨胀-腐蚀)可得出梯度（最后一幅图）可看出腐蚀操作使得线条变细直至消失。

考虑一幅RGB 图像，其中每一幅红、绿、蓝图像都是一幅8比特图像，在这种条件下，可以说每个RGB彩色像素[即(R, G, B)值的三元组]有24比特的深度(3个图像平面乘以每个平面的比特数)。饱和度的取值范围从0到1，0对应于垂直轴的中心线（也就是说这条线上没有色彩，只有灰度），I=0.5时红色的饱和度为1，颜色空间中的点到I轴的距离即是其饱和度。如果一幅图像被描述为三维函数，则分层方法可以看成是放置一些平行于该图像的坐标平面的平面，然后,每个平面在相交的区域中“切割”图像函数。的邻域定义的一组坐标。

退化图像：g(x,y)=h(x,y)★f(x,y)+η(x,y)g(x,y)=h(x,y)\bigstar f(x,y)+\eta(x,y)g(x,y)=h(x,y)★f(x,y)+η(x,y) 写成等价的频率域表示：G(u,v)=H(u,v)F(u,v)+N(u,v)G(u,v)=H(u,v)F(u,v)+N(u,v)G(u,v)=H(u,v)F(u,v)+N(u,v)频率特性是指傅里叶域中噪声的频率内容常见密度函数：​σ1​e−(z−z)2/2σ2瑞利p(z)={2b(z−a)e−(z−a)2/b,z

任何周期函数都可以表示为不同频率的正余弦之和。

文章目录3灰度变换与空间滤波3.1背景知识3.1.1灰度变换和空间滤波基础3.2一些基本的灰度变换函数3.2.1图像反转3.2.2对数变换3.2.3幂律（伽马）变换3.2.4分段线性变换函数3.3直方图处理3.3.1直方图均衡3.3.2直方图匹配（规定化）3.3.3局部直方图处理3.3.4在图像增强中使用直方图统计3.4空间滤波基础3.4.1空间滤波机理3.4.2空间相关与卷积3.4.3线性滤波的向量表示3.4.4空间滤波模板的产生3.5平滑空间滤波器3.5.1平滑线性滤波器3.5.2统计排序滤波器3.6锐

内插是在诸如放大、收缩、旋转和几何校正制圭务中广泛应用的本工具。最近邻内差法。我们用一个简单的例子开始讨论该话题 假设一幅大小为 500x500像素的图像要放大 1.5 倍到750x750 像素。一种简单的放大方法是创建一个假想的750x750 网格，它与原始图像有相同的间隔，然后将其收缩，使它准确地与原图像匹配。 显然，收缩后的750x 750 网格的像素间隔要小于原图像的像素间隔。为了对覆盖的每一个点赋以灰度值，我们在原图像中找最接近的像素，并把该像素的灰度赋给750x750网格中的新像素。当我们完成对