-
run
2021-10-08 22:21:07
图像处理
5382°
20
scipy ndimage模块提供了一个名为percentile_filter()的函数,它是中值滤波器的一个通用版本。
-
run
2021-09-29 00:24:51
图像处理
5975°
20
scikit-image库还在图像复原模块中提供了一组非线性滤波器,双边滤波器,非局部均值滤波器
-
run
2021-09-28 00:06:02
图像处理
5486°
20
非线性(空间)滤波器也同样作用于邻域,也类似于线性滤波器通过在图像上滑动核来实现
-
run
2021-09-26 23:14:05
图像处理
5561°
20
使用scipy的ndimage模块函数对图像进行线性滤波,应用线性滤波器对带有脉冲(椒盐)噪声的图像进行去噪处理。
-
run
2021-09-25 23:14:11
图像处理
6470°
20
高斯模糊滤波器也是一种线性滤波器,但与简单的均值滤波器不同的是它采用核窗口内像素的加权平均值来平滑一个像素(相邻像素的权重随着相邻像素与像素距离呈指数递减)
-
run
2021-09-24 22:38:33
图像处理
5294°
20
基于盒模糊核均值化平滑,使用PIL的ImageFilter.Kernel()函数和大小为3x3和5x5的盒模糊核(均值滤波器)来平滑噪声图像
-
run
2021-09-23 23:31:15
图像处理
5299°
20
线性(空间)滤波具有对(在邻域内)像素值加权求和的功能,它是一种线性运算,可以用来对图像进行模糊或去噪。
-
run
2021-09-22 22:29:14
图像处理
5802°
20
直方图匹配是指一幅图像的直方图与另一个参考(模版)图像的直方图相匹配的过程
-
run
2021-09-21 23:48:24
图像处理
5786°
20
直方图处理技术为改变图像中像素值的动态范围提供了一种更好的解决方法,使其强度直方图具有理想的形状。对比度拉伸操作的图像增强是有限的,因为它只能应用线性缩放函数。
-
run
2021-09-13 23:44:59
图像处理
7072°
20
python3-PIL二值化,这是一种点操作,通过将阀值以下的所有像素变为0,阀值以上的所有像素变为1,从灰度级的图像创建二值图像。
-
run
2021-09-10 00:06:58
图像处理
4940°
20
对比度拉伸操作是以低对比度图像作为输入,将强度值的较窄范围拉伸到所需的较宽范围,以输出高对比度的输出图像,从而增强图像的对比度。
-
run
2021-09-08 23:10:21
图像处理
4245°
20
将应用幂等变换对具有scikit-image的RPG彩色图像进行这样的变换,然后可视化变换对颜色通道直方图的影响
-
run
2021-09-08 00:08:02
图像处理
4732°
20
图像增强的目地是提高图像的质量或使特定的特征显得更加突出。图像增强技术的一些例子有对比度拉伸,平滑和锐化。
-
run
2021-09-07 00:53:48
图像处理
4891°
20
scipy-图像复原,要进行图像复原,需对图像退化(degradation)过程进行建模,这样能够在很大程度上消除退化的影响,但面临图像信息和噪声会丢失信息。
-
run
2021-09-02 23:09:04
图像处理
6047°
20
带阻滤波器(Band-Stop Filter,BSF)可阻塞或拒绝来自图像(通过DFT获得)频域表示的经选择的频率成分。
-
run
2021-09-02 22:28:26
图像处理
4879°
20
高斯差分(Difference of Gaussian, DOG)核可用作一种带通滤波器(Band-Pass Filter,BPF),允许保留某一频段内的频率分量,而丢弃其余所有频率分量。
-
run
2021-09-01 23:30:01
图像处理
5823°
20
python3-scipy低通滤波器只允许图像(通过DFT获得)的频域表示的低频分量通过,并阻止超过截止值的全部高频。
-
run
2021-09-02 07:58:15
图像处理
5001°
20
高通滤波器(HPF)只允许来自图像(通过DFT获得)的频域表示的高频分量通过,并阻止低于截止值的全部低频
-
run
2021-08-26 23:00:25
图像处理
6787°
20
scipy信号模块的fftconvolve()函数是如何在频域中运行卷积的
-
run
2021-08-25 23:01:53
图像处理
6496°
20
python3-scipy卷积定理和频域高斯模糊