社区
机器视觉
帖子详情
可分离图像变换的问题 图像处理高手进来
CsuPrince
2010-10-13 10:01:33
1.大多数可分离图像变换方法中,正向变换核 反向变换核都是相同的(顶多系数上面相差1/N),为什么?
2.我忽然想到:如果不考虑实际意义 可不可以自己随便定义一个正向变换核 反向变换核 只要能相互转换就可以。
3.傅里叶变换后得出的频幅图 和 实际图像中并无一一对应的关系 那变换后的每一点又和原图像每一点有什么关系呢?
问题很多,希望大家帮忙。
我还可以加分的。谢谢大家。
...全文
179
2
打赏
收藏
可分离图像变换的问题 图像处理高手进来
1.大多数可分离图像变换方法中,正向变换核 反向变换核都是相同的(顶多系数上面相差1/N),为什么? 2.我忽然想到:如果不考虑实际意义 可不可以自己随便定义一个正向变换核 反向变换核 只要能相互转换就可以。 3.傅里叶变换后得出的频幅图 和 实际图像中并无一一对应的关系 那变换后的每一点又和原图像每一点有什么关系呢? 问题很多,希望大家帮忙。 我还可以加分的。谢谢大家。
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
2 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
zhoujk
2010-10-16
打赏
举报
回复
1.你可以正反方向使用不同的核来试一下就知道为什么了。
2.可以,但是要开发一种有用的核是有难度的。
3.变换后的图是对源图的相邻像素之间的关系进行概率统计,从统计上说,有一点像直方图。从相对关系而言,又有点像提取边界。
【计算机视觉】数字
图像
处理
(三)——
图像
变换
原理分析
本文详细介绍了
图像
变换
的概念、目的和要求,重点讲解了傅里叶
变换
的理论基础、性质和应用。傅里叶
变换
将
图像
从空间域转换到频率域,用于简化
问题
、提取特征和增强
图像
理解。一维和二维傅里叶
变换
的定义、性质和离散形式被阐述,包括可
分离
性、周期性、共轭对称性和平移性。卷积与相关定理在
图像
处理
中的作用也被提及。傅里叶
变换
的实例展示了纯白
图像
、黑白变化
图像
和自然
图像
的频谱特点,揭示了
图像
的频率成分如何反映
图像
特性。傅里叶
变换
在去除条带噪声等
图像
处理
任务中具有重要作用。
【数字
图像
处理
】
图像
的数学
变换
之傅里叶
变换
本文从
图像
处理
角度介绍傅里叶
变换
。先说明一维傅里叶
变换
能将杂乱信号从时间域转化到频率域,
分离
有效信号或过滤噪声后经逆
变换
可滤波。接着阐述
图像
处理
需二维离散傅里叶
变换
,它能将
图像
从空间域转换到频域,便于观察处理和频域滤波,且具有多种性质。
[Python
图像
处理
] 二十二.Python
图像
傅里叶
变换
原理及实现
本文详细介绍了Python
图像
处理
中的傅里叶
变换
原理,通过Numpy和OpenCV实现傅里叶
变换
及逆
变换
。讨论了傅里叶
变换
在
图像
除噪、增强等方面的应用,并提供了相关代码示例。
图像
处理
之
图像
傅里叶
变换
本文详细探讨了傅里叶
变换
的物理意义,定义及其在
图像
处理
中的应用,包括MATLAB中的实现示例。从灰度分布到频率分布,再到噪声处理和滤波器应用,深入浅出地介绍了关键概念和技巧。
[Python
图像
处理
] 十六.
图像
的灰度非线性
变换
之对数
变换
、伽马
变换
该篇博客详细介绍了Python
图像
处理
中灰度非线性
变换
的方法,包括对数
变换
和伽马
变换
。通过对数
变换
提升
图像
暗部细节,伽马
变换
则能增强
图像
对比度。文中提供了相应的代码实现,适用于
图像
增强和细节展示。
机器视觉
4,512
社区成员
15,353
社区内容
发帖
与我相关
我的任务
机器视觉
图形图像/机器视觉
复制链接
扫一扫
分享
社区描述
图形图像/机器视觉
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章