【超分辨率实验】基于高斯模糊的训练数据集构建方法改进（matlab）

生成数据的主程序，其中包括代码改进部分

%% generate data
filepaths = [];
filepaths = [filepaths; dir(fullfile(folder, '*.jpg'))];
filepaths = [filepaths; dir(fullfile(folder, '*.bmp'))];for i = 1 : length(filepaths)for flip = 1: 1for degree = 1 : 1for s = 1 : length(scale)for downsize = 1 : length(downsizes)image = imread(fullfile(folder,filepaths(i).name));if flip == 1image = flipdim(image ,1);endif flip == 2image = flipdim(image ,2);endimage = imrotate(image, 90 * (degree - 1));//image = imresize(image,downsizes(downsize),'bicubic');[m, n]=size(image);w=fspecial('gaussian',[3 3]);//定义高斯滤波及其大小image = imresize(imfilter(image,w),downsizes(downsize));//降采样                                 figure;imshow(image)R=image(:,:,1);G=image(:,:,2);B=image(:,:,3);//分解为红、绿、蓝三通道R=gauss_pyramid(R);//分别对三通道的图像进行高斯金字塔处理                    G=gauss_pyramid(G);B=gauss_pyramid(B);//R=imgaussfilt(R,downsize);//G=imgaussfilt(G,downsize);//B=imgaussfilt(B,downsize);RGB = R//初始化RGB图像的大小RGB(:,:,1)=R(:,:,1);//将高斯模糊后的图像合并成彩色图像RGB(:,:,2)=G(:,:,1);RGB(:,:,3)=B(:,:,1);image = RGB;//赋值给image用于下一步处理if size(image,3)==3    image = rgb2ycbcr(image);image = im2double(image(:, :, 1));im_label = modcrop(image, scale(s));[hei,wid] = size(im_label);im_input = imresize(imresize(im_label,1/scale(s),'bicubic'),[hei,wid],'bicubic');figure;imshow(im_input)filepaths(i).namefor x = 1 : stride : hei-size_input+1for y = 1 :stride : wid-size_input+1subim_input = im_input(x : x+size_input-1, y : y+size_input-1);subim_label = im_label(x : x+size_label-1, y : y+size_label-1);count=count+1;data(:, :, 1, count) = subim_input;label(:, :, 1, count) = subim_label;endendendend    endendend
end

高斯金字塔函数代码

// function pyr = gauss_pyramid(I,nlev)
function pyr = gauss_pyramid(I)
// pyr = cell(nlev,1);
// pyr{1} = I;
pyr = I;
G_LOWER = I;f = [.05, .25, .4, .25, .05];  //高斯滤波
f = f'*f; //卷积操作// for l = 2:nlev
G_LOWER=G_LOWER(1:2:size(G_LOWER,1)-1,1:2:size(G_LOWER,2)-1); //降采样
//    pyr{l}=imfilter(G_LOWER,f,'replicate');
pyr=imfilter(G_LOWER,f,'replicate');
// end

处理后的结果

参考博客：
https://blog.csdn.net/majinlei121/article/details/50688668
https://blog.csdn.net/suda5395/article/details/107554261
https://blog.csdn.net/farmwang/article/details/74452750
https://www.cnblogs.com/ybqjymy/p/13645870.html

【超分辨率实验】基于高斯模糊的训练数据集构建方法改进（matlab）相关推荐

【超分辨率实验】Matlab-使用深度学习的单图像超分辨率(Single Image Super-Resolution Using Deep Learning)
[超分辨率实验]Matlab-使用深度学习的单图像超分辨率(Single Image Super-Resolution Using Deep Learning) 此示例演示如何训练非常深的超分辨率 V ...
【图像超分辨率】基于ResNet或GAN的遥感图像超分辨率论文
基于ResNet或GAN的遥感图像超分辨率论文 <空间感知残差网络的遥感图像超分辨率重建> 操作: 遥感图像特点: 网络模型: 去掉批处理层的原因: 具体操作损失方程: <改进的残 ...
matlab梯形模糊数,基于梯形模糊数的OWA方法与matlab应用
基于梯形模糊数的OWA 方法与matlab 应用一.梯形模糊数定义 1.定义记(,,,),=-∞<<<< c a b d c a b d ,称为%A 为梯形模糊数,当0> ...
Caputo 分数阶一维问题基于 L1 逼近的空间二阶方法(附Matlab代码)
Caputo 分数阶一维问题基于 L1 逼近的空间二阶方法 Caputo 分数阶一维问题基于 L1 逼近的快速差分方法(附Matlab程序) 文章目录 Caputo 分数阶一维问题基于 L1 逼近的空 ...
CV Code | 本周新出计算机视觉开源代码汇总（语义分割、目标检测、超分辨率、网络结构设计、训练策略等）...
点击我爱计算机视觉标星,更快获取CVML新技术 CV君汇总了过去一周计算机视觉领域新出的开源代码,涉及到图像增广.医学图像分割.图像恢复.目标检测.语义分割.超分辨率.显著目标检测.轻量级网络结构设计 ...
Caputo 分数阶微分方程-慢扩散方程初边值问题基于L1 逼近的空间二阶方法及其Matlab程序实现
2.3.3 Caputo 分数阶一维问题基于 L1 逼近的空间二阶方法考虑如下时间分数阶慢扩散方程初边值问题 { 0 C D t α u ( x , t ) =
深度学习数据集制作_一篇文章搞定人工智能之深度学习创建训练数据集的方法
基础数据准备训练所需要的数据集合都存储在数据库中,还有部分文本文件首先对数据进行分类结构化存储[因为涉及到的是多分类问题] 整理并存储原始数据集使用numpy将所有需要数据读取出来 splitl ...
服务器位置超差保护,基于位置服务的隐私保护方法研究
摘要: 由于带有定位功能的智能手机的普及,以及车载移动计算的发展,基于位置的服务已逐渐进入人们的生活范围,为人们的生活带来便利.从传统意义上来说移动用户是基于位置服务的消费者,但是越来越多的社会应用显 ...
matlab电流检测,基于d-q变换的谐波电流检测方法与MATLAB仿真验证
描述引言目前,谐波抑制的一个重要趋势是采用有源电力滤波器(Active Power Filter-APF).而该滤波器性能的好坏与它所采用的谐波电流检测方法有很大关系.因此,如何实时准确地检测出非 ...

【超分辨率实验】基于高斯模糊的训练数据集构建方法改进（matlab）

【超分辨率实验】基于高斯模糊的训练数据集构建方法改进（matlab）相关推荐

最新文章

热门文章