图像低频高频区域分离
来源:互联网 发布:统计学 软件 编辑:程序博客网 时间:2024/05/01 03:10
简介
本篇整理记录利用小波分离图像的高频、低频部分信息。
具体实现
实现代码参考资料:小波变换 C++ opencv 实现。
小波变换
小波生成和参考资料中一致。小波变换中,首先抽取出原图像的每一行,进行小波分解,获得水平方向的高、低频信息。接着抽取出原图像的每一列,进行小波分解,获得垂直方向的高、低频信息。 生成的对应结果如下:
水平方向 垂直方向
区域分离
如上,我们已经获得了水平、垂直方向的高、低频信息,并保存到了图像中。接着我们首先将这两幅图片都叠加到同一副图像中。结果开运算、高斯滤波和阀值二值化之后,最终获得比较好的分离掩码结果。 对应代码如下:
- void picDone(Mat mat1, Mat mat2){
- int i, j;
- IplImage tmp;
- CvScalar s;
- float sum = 0;
- mat2.copyTo(mask);
- tmp = mask;
- for(i=0; i< mat2.rows; i++){
- for(j=0; j< mat2.cols; j++){
- mask.at<float>(i,j) = (mat1.at<float>(i,j) + mat2.at<float>(i,j)) / 2;
- if((i==0) && (j==0)){
- sum = mask.at<float>(i,j);
- }else{
- sum = (sum + mask.at<float>(i,j)) / 2;
- }
- }
- }
- tmp = mat2;
- cvZero(&tmp);
- imshow("mask0", mask);
- morphologyEx(mask, mat2, MORPH_CLOSE, Mat(5,5,CV_8U), Point(-1,-1), 1);
- GaussianBlur(mat2, mask, Size(7,7), 0, 0);
- tmp = mask;
- for(i=0; i< mask.rows; i++){
- for(j=0; j< mask.cols; j++){
- s = cvGet2D(&tmp, i, j);
- if(s.val[0] < sum){
- s.val[0] = 0;
- cvSet2D(&tmp, i, j, s);
- }
- }
- }
- imshow("mask", mask);
- }
对应的结果显示如下:
直接叠加 后处理结果
0 0
- 图像低频高频区域分离
- 图像低频高频区域分离
- 图像低频高频区域分离 小波变换
- 图像 高频 低频
- 图像的高频和低频
- 图像的高频与低频
- 理解图像的高频 和 低频
- 图像中的高频分量和低频分量
- 图像中的高频分量和低频分量
- 图像中的高频和低频分量
- 图像中的高频和低频分量
- 图像中的高频分量和低频分量
- 图像中的高频分量和低频分量
- 高频低频
- 理解图像中的高频分量和低频分量
- 对图像高频信号和低频信号的理解
- 对图像高频信号和低频信号的理解
- 如何从频谱图看一副图像的高频和低频成分
- 【攻略】Sql常用语句
- 配置JAVA环境变量
- HOW TO USE SWIG
- Android清除本地数据缓存代码
- 2005年-2015年十年回忆篇之序
- 图像低频高频区域分离
- FTP使用教程之Filezilla使用教程
- CSDN的第一次
- C#学习笔记
- Spring Security(15)——权限鉴定结构
- Linux文件访问权限
- EasyUI前端框架控件案例
- 如何不重打包调试Android应用
- clone() and the Cloneable Interface in Java