Airspace smoothing

戳这里观看视频

空域平滑

加性噪声：可加性噪声，一般易于消除

乘性噪声：非线性引入的噪声，往往与信号密切相关

量化噪声：模拟信号转化到数字信号时取整变化产生的误差

注意template左上角的1后面有个黑点，代表运算的结果后赋给这个对应点。

一般噪声的像素与周围的像素都明显不同。

instance：

（1）cv.filter2D函数说明

使用自定义内核对图像进行卷积。该功能将任意线性滤波器应用于图像。支持就地操作。当光圈部分位于图像外部时，该功能会根据指定的边框模式插入异常像素值。

dst=cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])

参数	描述
src	原图像
dst	目标图像，与原图像尺寸和通道数相同
ddepth	目标图像的所需深度
kernel	卷积核（或相当于相关核），单通道浮点矩阵;如果要将不同的内核应用于不同的通道，请使用拆分将图像拆分为单独的颜色平面，然后单独处理它们。
anchor	内核的锚点，指示内核中过滤点的相对位置;锚应位于内核中;默认值（-1，-1）表示锚位于内核中心。
detal	在将它们存储在dst中之前，将可选值添加到已过滤的像素中。类似于偏置。
borderType	像素外推法，参见BorderTypes

Note：当ddepth=-1时，表示输出图像与原图像有相同的深度。

（2）cv.blur()函数说明

blur()函数可以用标准化的盒式过滤器来平滑图像。

blur的作用是对输入的图像src进行均值滤波后用dst输出。

（3）cv.GaussianBlur函数说明

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。

参数：dst=GaussianBlur（src，ksize，sigmaX [，dst [，sigmaY [，borderType]]]）
src：输入图像；图像可以具有任意数量的通道，这些通道可以独立处理，但深度应为CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。
dst：输出图像的大小和类型与src相同。
ksize：高斯内核大小。 ksize.width和ksize.height可以不同，但它们都必须为正数和奇数，也可以为零，然后根据sigma计算得出。
sigmaX ：X方向上的高斯核标准偏差。
sigmaY： Y方向上的高斯核标准差；如果sigmaY为零，则将其设置为等于sigmaX；如果两个sigmas为零，则分别从ksize.width和ksize.height计算得出；为了完全控制结果，而不管将来可能对所有这些语义进行的修改，建议指定所有ksize，sigmaX和sigmaY。

（4）cv.medianBlur函数说明

medianBlur() 执行中值滤波操作,中值滤波将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的中值代替。

dst=cv.medianBlur(src,ksize,dst=None)

ksize滤波模板的尺寸大小，必须是大于1的奇数，如3、5、7……

该函数使用具有ksize*ksize孔径大小的中值滤波器来平滑图像。

（5）cv.bilateralFilter函数说明

参数：

d:像素的邻域直径。

sigmaColor:颜色空间的标准方差.

sigmaSpace:坐标空间的标准方差(像素单位)

program

# -*- coding:utf-8
# opencv read image is BGR channel,and matplot read is RGBimport cv2 as cv
import numpy as np
img = cv.imread("/home/image/Pictures/lena_salt.jpg",0)
(H,W) =img.shapedef display(title,imagenum,files):cv.namedWindow(title, 0)cv.resizeWindow(title,imagenum*W,H)cv.imshow(title, np.hstack(files))def filtter2d(img):#类似卷积fil1 = np.array([[ -1,-1, 0],[ -1, 0, 1],[ 0, 1, 1]])res = cv.filter2D(img,-1,fil1)#CV自带的图像平滑方法files =[img,res]display('3X3 filter2d',files.__len__(),files)cv.waitKey(0)fil2 = np.ones((5,5),np.float32)/25dst = cv.filter2D(img,-1,fil2)files =[img,dst]display('5X5 filter2d',files.__len__(),files)cv.waitKey(0)def  blur(img):#均值滤波template1 =(3,5)blurs = cv.blur(img,template1)files = [img, blurs]display('3X5 blur',files.__len__(),files)cv.waitKey(0)def gaussiuan(img):#高斯滤波imgg = np.zeros(img.shape,np.uint8)imgg[:] = img[:]for i in range(1000):temp_x = np.random.randint(0, img.shape[0])temp_y = np.random.randint(0, img.shape[1])imgg[temp_x][temp_y] = 255blur = cv.GaussianBlur(imgg,ksize=(5,5),sigmaX=0)files = [img, imgg,blur ]display('Gaussi blur', files.__len__(), files)cv.waitKey(0)def middenblur(img):#中值滤波imgg = np.zeros(img.shape,np.uint8)imgg[:] = img[:]for i in range(3000):temp_x = np.random.randint(0, img.shape[0])temp_y = np.random.randint(0, img.shape[1])imgg[temp_x][temp_y] = 255blur = cv.medianBlur(imgg,7)files = [img, imgg,blur ]display('middian blur', files.__len__(), files)cv.waitKey(0)def bilateralFilter(img):imgg = np.zeros(img.shape,np.uint8)imgg[:] = img[:]for i in range(5000):temp_x = np.random.randint(0, img.shape[0])temp_y = np.random.randint(0, img.shape[1])imgg[temp_x][temp_y] = 255blur = cv.bilateralFilter(imgg,9,75,75,)files = [img, imgg,blur ]display('bilateralFilter blur', files.__len__(), files)cv.waitKey(0)if __name__ == '__main__':filtter2d(img)blur(img)gaussiuan(img)middenblur(img)bilateralFilter(img)

原图：

自己运行体会。

期中考试部分解析：

如何去除乘性噪声和泊松噪声？

去除泊松分布：

泊松噪声用haar小波效果不错

# 泊松分布
import pywt#小波分析库
import cv2 as cv
import matplotlib.pyplot as pltimg = cv.imread('03Poisson.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY).astype('float32')
coeffs = pywt.dwt2(gray, 'haar')
CA, (CH, CV, CD) = coeffs
plt.subplot(121)
plt.imshow(CA, 'gray')
plt.title('result')
plt.subplot(122)
plt.imshow(gray, 'gray')
plt.title('original')
plt.show()

图片：

运行结果（效果感人，很赞）：

去除乘性噪声：

乘性噪声先转化为加性噪声在用中值滤波效果可以。

乘性噪声：t=s*n.s为原始信号，n为噪声。对t取log酒转化为加性噪声：logt = logs + logn

import numpy as np
import cv2 as cv
from matplotlib import pyplot as pltimg = cv.imread('04mutil.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
gray=np.float32(gray)
log = np.log(gray)#乘性噪声变加性噪声
# blur = cv.GaussianBlur(log, (5, 5), 0)
# blur = cv.blur(log, (3, 3))
blur = cv.medianBlur(log,5)
# blur = cv.bilateralFilter(log,9,75,75)
reverse = np.exp(blur)#取了log再变回去
reverse = np.uint8(reverse)
plt.subplot(221)
plt.imshow(log, 'gray')
plt.title('log')
plt.xticks([]),plt.yticks([])
plt.subplot(222)
plt.imshow(blur, 'gray')
plt.title('blur')
plt.xticks([]),plt.yticks([])
plt.subplot(223)
plt.imshow(reverse, 'gray')
plt.title('result')
plt.xticks([]),plt.yticks([])
plt.subplot(224)
plt.imshow(gray, 'gray')
plt.title('original')
plt.xticks([]),plt.yticks([])
plt.show()

图片：

运行结果：

感叹一句学长tql,我太弱鸡了www

Airspace smoothing相关推荐

Spline interpolation and Savitzki-Golay smoothing
转自:http://octave.1599824.n4.nabble.com/Spline-interpolation-and-Savitzki-Golay-smoothing-td1675136.h ...
flaash-ACC_LSMOOTH2: Cannot continue with smoothing calculation
2009年6月21日 15:22:22 采用flaash对MOD02HKM数据进行大气校正,在运行中总是出现ACC_LSMOOTH2: Cannot continue with smoothing c ...
【Paper】An Experiment Comparing Double Exponential Smoothing and Kalman Filter-Based Predict
算法 Paper DES (Double Exponential Smoothing) 算法 Kalman-Filter Algorithm KF EKF Exponentially Weighted ...
label smoothing（标签平滑）
label smoothing是一种在分类问题中,防止过拟合的方法. label smoothing(标签平滑) 交叉熵损失函数在多分类任务中存在的问题 label smoothing(标签平滑) 参 ...
OpenCV平滑图像Smoothing Images
OpenCV平滑图像Smoothing Images 平滑图像Smoothing Images 目标理论归一化框式过滤器高斯滤波器中值过滤器双边过滤器解释归一化块过滤器: 高斯滤波器: ...
【正则化】Label Smoothing详解
1. 概述 Label Smoothing(标签平滑),像 L1.L2 和 Dropout 一样,是一种正则化方法,通常用于分类问题,目的是防止模型在训练时过于自信地预测标签,改善泛化能力差的问题(也 ...
OpenCV-python学习笔记（四）——smoothing and blurring平滑和模糊
文章目录 smoothing and blurring平滑和模糊 1 averaging均值滤波 2 gaussian高斯滤波 3 median中值滤波 4 bilateral双边滤波 smoothi ...
数字图像处理：线性和非线性滤波的平滑空间滤波器（Smoothing Spatial Filters）
引言本系列文章记录老猿自学冈萨雷斯<数字图像处理>的感悟和总结,不过估计更新会比较慢,白天要工作,都是晚上抽空学习,学习完一章再回头总结,想学的朋友可以自己下载英文原版(目前到第四版)和 ...
python 曲线平滑_曲线平滑(smoothing)
曲线平滑 Savitzky-Golay滤波器 It uses least squares to regress a small window of your data onto a polynomia ...

Airspace smoothing

Airspace smoothing相关推荐

最新文章

热门文章