冈萨雷斯

数字图像处理第三版冈萨雷斯笔记及答案第二章

点点圈 提交于 2020-02-08 08:59:21
第二章 第二章的笔记 其中横轴是从晶状体中心到视网膜的直线与视轴的角度,参照下图。 从这幅图里可以看到人眼中有一处盲点既没有锥状体,也没有杆状体。但是平时你却感受不到这处盲点。一个是因为大脑的脑部,还有一个是因为你的双眼视野刚好相互覆盖了盲点区域,所以要感受到这处盲点,需要蒙住一只眼睛。具体可以参考这个链接中的操作https://zhuanlan.zhihu.com/p/28105827 o是物距, object distance f是焦距,focal distance i是像距, image distance 相机中成像是通过改变镜头和成像平面的距离,改变i 而眼球中成像是通过晶状体改变f。 光的波长频率公式 波长=光速/频率, c是光速,v是频率。 电磁波谱各个分量的能量公式 E是能量,h是普朗克常数(6.62607015×10-34 J·s),v是频率。 常用的能量单位是电子伏特,即一个电子经过1伏特的电位差变化的动能。常用的焦耳是一库伦正电荷通过1伏特的电位差变化的动能。一个电子带电约1.6×10 -19 C的负电荷。 可以看出能量和频率成正比,就是频率越高,能量越大(微波炉能加热,但是衰减快,长波能通信,但是能量低)。 单色光指的是黑白灰,而不是彩色。 彩色光的电磁谱在0.43μm(紫色,微米,10 -3 mm)到0.79μm(红色)之间。

OpenCV重写冈萨雷斯——自适应中值滤波器

ⅰ亾dé卋堺 提交于 2020-01-18 08:16:29
自适应中值滤波器 传统中值滤波器处理低概率椒盐噪声退化的图像效果令人满意 但是对于 P = 0.2 的脉冲噪声退化过的图片的处理效果就很令人失望,会丢失很多细节,由此,自适应中值滤波器诞生,与传统不同的是,自适应中值滤波器尝试保留细节。 冈萨雷斯中给出的过程是: 进程A: A1 = Z<sub>med</sub> -Z<sub>min</sub> A2 = Z<sub>med</sub> -Z<sub>max</sub> if(A1 > 0 && A2 < 0 ) goto B else if ( S < S<sub>max</sub>) goto A else return Z<sub>med</sub> 进程B: B1 = Z<sub>xy</sub> -Z<sub>min</sub> B2 = Z<sub>xy</sub> -Z<sub>max</sub> if(B1 > 0 && B2 < 0 ) return Z<sub>xy</sub> else return Z<sub>med</sub> 过程的主要思想就是 如果当前像素点灰度值不是脉冲,则保留,当滤波器扩大到指定最大之后则选取中值为结果,可能该处是边缘。 突发奇想 既然要尽可能多的保留图像原本细节 为什么不把B过程和A过程交换一下逻辑 经过试验结果是差不多的0。0 实验图片 #include < opencv2

图书:数字图像处理(digital image processing)在线手册

纵然是瞬间 提交于 2019-12-26 01:13:12
该图书网址链接 http://www.imageprocessingplace.com/index.htm 网站支持以下书籍: 数字图像处理,第四版。 冈萨雷斯和伍兹 ©2018 书号:9780133356724 数字图像处理 第三版 (DIP / 3e) 冈萨雷斯和伍兹 ©2008 使用MATLAB 2nd Ed进行数字图像处理。 冈萨雷斯,伍兹和埃丁斯 ©2009 来源: CSDN 作者: 慌张姐 链接: https://blog.csdn.net/u012890505/article/details/103704244

冈萨雷斯Matlab版第二章(基本原理)要点记录

こ雲淡風輕ζ 提交于 2019-11-27 16:22:56
标准数组生成 zero(M, N) 生成一个大小是M N的double类矩阵,其元素均为0 ones(M, N) 生成一个大小是M N的double类矩阵,其元素均为1 ture(M, N) 生成一个大小是M N的logical类矩阵,其元素均为1 false(M, N) 生成一个大小是M N的logical类矩阵,其元素均为0 magic(M) 生成一个大小均为M N的“魔方矩阵”,在该矩阵中,每一行的元素之和、每一列的元素之和以及主对角线中的元素之和均相等,易于生成,元素均为整数 rand(M, N) 生成一个大小是M N的矩阵,其元素都是在区间[0,1]中均匀分布的随机数 randn(M, N) 生成一个大小是M*N的矩阵,其元素是正态分布的随机数,随机数均值为0,方差为1 数组和矩阵算术运算符 图像是等价于矩阵的二维数组,因此以下所有运算符均适用于图像 .* 表示数组乘法, times(A, B) 这种乘法的乘积是与A和B大小相同的数组,其每个元素都是A和B中相应元素的乘积 * 表示传统意义的矩阵乘法 mtimes(A, B) ./ 数组右除 rdivide()A, B .\ 数组左除 ldivide(A, B) / 矩阵右除 mrdivide(A, B) \ 矩阵左除 mldivide(A, B) .^ 数组求幂 power(A, B) ^ 矩阵求幂 mpower(A,