图像模糊--快速均值滤波

本文探讨图像模糊的概念,通过示例解释模糊的目的主要是为了消除图像中的噪音。以均值滤波为例,说明该方法是通过计算邻域内像素的平均值来更新中间点的值,从而达到平滑图像的效果。文章还简要介绍了空间域滤波器在这一过程中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先,要了解什么是图像模糊,先看下面的图片吧


上图中,2是中间点,周边点都是1,所谓"模糊",可以理解成每一个像素被重新更新,例如上图中的中间点,


被附上新值,这个新的值是1,我们暂时不管它如何被更新的,因为有很多种更新方式,模糊的关键点也是这个更新方式。

例如,你看这样的一组值:

1   1   1 

1 255 1

1   1   1

你会不会觉得,中间的255太多了,而且就是一个像素点而已,这种情况下,我们一般把这个像素点称为噪音,模糊的目的就是为了消除噪音。

假设我们使用均值滤波来模糊这个点,

1  1  1

1 29 1

1  1  1

### GiB、MiB 和 GB 的换算关系 在计算机科学领域,存在两种不同的存储单位表示方法:二进制前缀(用于描述数据量的实际位数)和十进制前缀(通常由制造商标注)。具体来说: - **GB (Gigabyte)** 是基于十进制系统的度量单位,在这种情况下 \(1\, \text{GB} = 10^9\) 字节[^1]。 - **GiB (Gibibyte)** 则遵循的是二进制标准,其中 \(1\,\text{GiB}=2^{30}\)字节。 因此,当涉及到从一种体系到另一种的转换时,可以发现两者之间存在着差异。例如: \[1\, \text{GiB} ≈ 1.07374\, \text{GB}\] 同样的逻辑也适用于较小规模的数据单元比如 MiB 对应 MB : - **MB (Megabyte)** 表示 \(1\, \text{MB} = 10^6\) 字节, - 而 **MiB (Mebibyte)** 定义为 \(1\, \text{MiB} = 2^{20}\) 字节, 这意味着大约有如下比例关系成立: \[1\, \text{MiB} ≈ 1.048576\, \text{MB}\] 为了更直观地展示这些概念间的联系,下面给出了一段 Python 代码来帮助理解和验证上述提到的各种单位间的关系。 ```python def convert_units(value, from_unit='MiB', to_unit='MB'): binary_prefixes = {'KiB': 2**10, 'MiB': 2**20, 'GiB': 2**30} decimal_prefixes = {'KB': 10**3, 'MB': 10**6, 'GB': 10**9} if from_unit in binary_prefixes and to_unit in decimal_prefixes: converted_value = value * (binary_prefixes[from_unit] / decimal_prefixes[to_unit]) return round(converted_value, 6) # 测试不同单位之间的转换 print(f"1 MiB is approximately {convert_units(1, 'MiB', 'MB')} MB") print(f"1 GiB is approximately {convert_units(1, 'GiB', 'GB')} GB") ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值