好看的 网站后台模板,上海注册,化妆品网站建设案例,企业展厅策划设计公司有哪些卷积-图像去噪
一、图像 二进制 灰度 彩色 1.1二进制图像 0 1 一个点可以用一个bit#xff08;0/1#xff09;来表示 1.2灰度图像 0-255 一个点可以用一个byte来表示 1.3彩色图像 RGB 表达一个彩色图像先说它的分辨率p/w#xff08;宽#xff09;和q/h#xff08;高… 卷积-图像去噪
一、图像 二进制 灰度 彩色 1.1二进制图像 0 1 一个点可以用一个bit0/1来表示 1.2灰度图像 0-255 一个点可以用一个byte来表示 1.3彩色图像 RGB 表达一个彩色图像先说它的分辨率p/w宽和q/h高 一个点可以用3个byteR的0-255、G的0-255、B的0-255来表示 二、图像去噪 噪声点让我们看得难受是因为噪声点与周边像素差别很大 去噪常见与周围点平均加权平均卷积核滤波核
三、卷积
3.1卷积 Q下午两点这个人肚子里还剩多少东西 A把这三个计算出的值相加就是下午两点肚子里剩的食物 在t时刻胃里还剩下的食物前面所有时刻都要计算一下 如果一个系统输入不稳定(f)、输出稳定(g)就可以用卷积求系统存量 卷积主要用于图像处理要先寻找对于一个图像来说找什么是f什么是g 3.2卷积操作 对于图片可以看作是一个一个的像素点可以看作一个大表格表格里就是这个像素的具体信息RGB值、灰度值等等 过去对现在的影响周围像素点对当前像素点的影响 g函数如何影响的 用3×3的点阵卷积核和图像进行一个操作 卷积核周围像素点与这个像素点进行平均周围像素点如何对这个像素点产生影响像素点高就拉低低就拉高 进行卷积操作前在图像最外圈加上一圈0 平滑卷积核操作 3.3卷积神经网络 提取局部特征 不同的卷积核卷积后可以保留不同的特征其他特征就被过滤掉了这样的卷积核叫过滤器 卷积核就是对周围像素点的一个主动的试探和选择通过它(卷积核)把周围有用的特征给保留了下来。 先把卷积核模版倒过来再对图像上的每一个点都套用卷积核的模版进行计算对应相乘再累加起来 3.4卷积的特性
线性和平移不变形
平移可以通过卷积来实现 真实运算的时候对于没有像素的位置要做填充否则无法计算卷积 最简单的办法填充0。 3.5卷积的应用 卷积后没有变化 左移 平滑降噪 锐化2e-g 原图像-平滑后的用5*5的卷积核边缘 四、振铃效应
4.1振铃效应 模板是一样的值模板是方的 怎么去除上面的振铃现象 用权重模板离我近的点权值大、远的点权值小 4.2高斯核 用高斯核产生滤波核 把x,y的坐标带入二维高斯公式中得到新的滤波核滤波核中所有权重值加一起为1不是1的话图像会衰减 产生高斯卷积核的步骤 ①指定窗宽eg卷积核大小5*5,3*3 ②指定方差σ ③归一化 4.3高斯核参数 窗宽固定 方差的影响方差越大自己的权值占比就越小被影响的越大滤波强平滑的结果越强(越模糊) 滤波效果强大 滤波效果弱小 方差固定 窗宽的影响方差固定窗宽越大归一化计算的分母就大权值就小平滑就更厉害 滤波效果强窗宽大 滤波效果弱窗宽小 不管是方差固定还是窗口固定想让图片更模糊就把另一个值变大 已知σ则窗口应为7*7 大约99.73%的数据会落在区间内归一化都可以省略了 指定窗宽/σ就可以得到对应的σ/窗宽就可以算出高斯核 4.4高斯核总结 1.滤除高频把周围突兀的点给滤掉 2.一个大高斯核的卷积效果可以由两个小高斯卷积核连续操作得到勾股定理计算得到 eg小的高斯核是σ2和σ3则大的高斯核σ 3.高斯核可以分解 分解性质有什么作用 计算复杂度降低 卷积操作的n*n次操作保留不再需要m个相加的操作只需要m个分解和求和的操作所以不再是m*m而是m 五、噪声
5.1噪声 椒盐噪声、脉冲噪声、高斯噪声叠加变量 5.2高斯噪声 噪声是服从点加上原始图像 5.3高斯滤波器 用高斯滤波器去除噪声 图片右边一列的σ是滤波器的参数σ1时高斯核窗口宽度为7*7 噪声的σ值越小用小的高斯滤波器很容易滤掉当噪声的σ值比较大时需要增大滤波器的参数σ 高斯滤波对椒盐噪声效果并不好 5.4中值滤波器 没有权值 将模版套进带噪声的图像中把这些值从小到大排序然后选取中值代替这个点不会改变周围值 针对椒盐噪声 中值滤波不改变整体形状
高斯滤波是均值改变周围会将曲线变的平滑而中值滤波是把突兀的点拉回来 中值滤波器的窗口越大图片会模糊更平滑 不管什么滤波器尺寸太大都会模糊 原始图像-平滑后图像边缘 原始图像α倍边缘细节锐化后图片 α1时就等于2e-g
