计算机视觉与图像处理(一)——卷积与opencv
来源:互联网 发布:出国留学值得吗 知乎 编辑:程序博客网 时间:2024/05/18 00:18
一、摄像机与视频的读取
二、读取图片 与其中的像素值
三、Mat对象一些操作
四、图像x方向求导的卷积与非卷积操作
五、高斯模糊的核创建与卷积操作
(一)高斯模糊原理
所谓"模糊",即每一个像素都取周边像素的平均值。
所谓"模糊",即每一个像素都取周边像素的平均值。
上图中,2是中间点,周边点都是1。"中间点"取"周围点"的平均值,就会变成1。在数值上,这是一种"平滑化"。在图形上,就相当于产生"模糊"效果,"中间点"失去细节。
计算平均值时,取值范围越大,"模糊效果"越强烈。
每个点都要取周边像素的平均值,如果使用简单平均,显然不是很合理,因为图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远。因此,加权平均更合理,距离越近的点权重越大,距离越远的点权重越小。
(二)正态分布的权重
正态分布显然是一种可取的权重分配模式。在图形上,正态分布是一种钟形曲线,越接近中心,取值越大,越远离中心,取值越小。计算平均值的时候,我们只需要将"中心点"作为原点,其他点按照其在正态曲线上的位置,分配权重,就可以得到一个加权平均值。
(三)高斯函数
一维:
二维:
利用函数计算每个点的权重计算高斯模糊( 由高斯函数计算出每个点的权重值,即得到权重矩阵)
(四)计算高斯模糊
(四)计算高斯模糊
1. 对权重矩阵做归一化处理
(1)求出权重矩阵中所有权重之和,
(2)每个点都除以权重之和,使权重之和为一。
2. 计算高斯模糊的值。假设现有9个像素点,每个点灰度值乘以自己的权重值,得到9个值,将这9个值加起来,就是中心点的高斯模糊的值。对所有点重复这个过程,得到高斯模糊后的图像。
PS:如果原图是彩色图片,可以对RGB三个通道分别做高斯模糊。
(五)代码实现
六、相关API操作
0 0
- 计算机视觉与图像处理(一)——卷积与opencv
- 计算机视觉(1)——卷积与opencv
- OpenCV2 图像处理与计算机视觉(一)—— 去除一幅二值化图像中的椒盐噪声
- 计算机视觉与图像处理学习笔记(一)
- 计算机视觉与图像处理
- 《opencv3编程入门》之一:图像处理、计算机视觉与opencv
- 计算机视觉与图像处理学习笔记(三)opencv的基本数据类型与简单图像处理函数
- 计算机视觉与图像处理学习笔记(二)win32+mingw+opencv搭建
- 图像处理与计算机视觉经典论文
- 图像处理与计算机视觉概述
- 图像处理与计算机视觉概述
- 图像处理与计算机视觉开源库汇总
- 图像处理与计算机视觉学习资源
- 图像处理与计算机视觉的 topics
- 图像处理与计算机视觉概述
- 计算机视觉与卷积神经网络
- 计算机视觉与卷积神经网络
- 图像处理与计算机视觉:基础,经典以及最近发展(2)图像处理与计算机视觉相关的书籍
- 程序员的书籍资源
- vi编辑器的配置
- 离线web缓存
- Android Studio Error running app IDE or the Gradle plugin to the latest version
- hdu1099(map用法)
- 计算机视觉与图像处理(一)——卷积与opencv
- 121 122 123 188 Best Time to Buy and Sell Stock
- Elasticsearch 简介
- MFC使用笔记
- Windows和Linux环境之间文件系统挂载方法
- 【每日一课】1、什么是java?
- 数组中只出现一次的两个数字
- 【py交易】算法竞赛入门经典5.4.4 多少块土地 python
- Servlet 编写Filter过滤器