简介

  本篇整理记录利用小波分离图像的高频、低频部分信息。

具体实现

  实现代码参考资料:小波变换 C++ opencv 实现。

小波变换

  小波生成和参考资料中一致。小波变换中,首先抽取出原图像的每一行,进行小波分解,获得水平方向的高、低频信息。
接着抽取出原图像的每一列,进行小波分解,获得垂直方向的高、低频信息。生成的对应结果如下:
 水平方向                                         垂直方向

区域分离

  如上,我们已经获得了水平、垂直方向的高、低频信息,并保存到了图像中。接着我们首先将这两幅图片都叠加到同一副图像中。
结果开运算、高斯滤波和阀值二值化之后,最终获得比较好的分离掩码结果。对应代码如下:
[cpp] view plain copy
  1. void picDone(Mat mat1, Mat mat2){
  2. int i, j;
  3. IplImage tmp;
  4. CvScalar s;
  5. float sum = 0;
  6. mat2.copyTo(mask);
  7. tmp = mask;
  8. for(i=0; i< mat2.rows; i++){
  9. for(j=0; j< mat2.cols; j++){
  10. mask.at<float>(i,j) = (mat1.at<float>(i,j) + mat2.at<float>(i,j)) / 2;
  11. if((i==0) && (j==0)){
  12. sum = mask.at<float>(i,j);
  13. }else{
  14. sum = (sum + mask.at<float>(i,j)) / 2;
  15. }
  16. }
  17. }
  18. tmp = mat2;
  19. cvZero(&tmp);
  20. imshow("mask0", mask);
  21. morphologyEx(mask, mat2, MORPH_CLOSE, Mat(5,5,CV_8U), Point(-1,-1), 1);
  22. GaussianBlur(mat2, mask, Size(7,7), 0, 0);
  23. tmp = mask;
  24. for(i=0; i< mask.rows; i++){
  25. for(j=0; j< mask.cols; j++){
  26. s = cvGet2D(&tmp, i, j);
  27. if(s.val[0] < sum){
  28. s.val[0] = 0;
  29. cvSet2D(&tmp, i, j, s);
  30. }
  31. }
  32. }
  33. imshow("mask", mask);
  34. }
  对应的结果显示如下:
  直接叠加                                          后处理结果

图像低频高频区域分离相关推荐

  1. 图像低频高频区域分离 小波变换

    图像低频高频区域分离 简介 本篇整理记录利用小波分离图像的高频.低频部分信息. 具体实现 实现代码参考资料:小波变换 C++ opencv 实现. 小波变换 小波生成和参考资料中一致.小波变换中,首先 ...

  2. 图像低频、高频信息的理解

    图像频率 图像频率是指图像中灰度变化剧烈程度的指标. 图像低.高频信息 图像的主要成分是低频信息,它形成了图像基本的灰度等级,对图像结构的决定作用较小:中频信息决定了图像的基本结构,形成了图像的主要边 ...

  3. Python实现傅里叶变换提取图像高频区域(边缘)

    傅里叶变换 最近在项目里需要用到傅里叶变换获取图像的高频区域(边缘),之前在csdn上看到一篇关于使用圆形滤波器的,使用效果并不好,图像提取高频信息后的图像在纯色区域有和明显的振铃效应,之后看到了这篇 ...

  4. 图像的高频和低频滤波处理

    图像的高频和低频 低频对应图像内变化缓慢的灰度分量.列如,在一副大草原上的图像中,低频对应着广袤的颜色趋于一致的草原 高频对应着图像内变化越来越快的灰度分量,是由灰度的尖锐过度造成的,列如,在一副大草 ...

  5. 对一幅图像进行高频增强

    算法思想: 首先将图像转换为double型,扩大图像并进行傅里叶变换及中心化处理,获得频域的图像:根据高斯高通滤波器的定理,通过两层循环将高斯高通滤波器的频域矩阵求出,对频域的图像和滤波器矩阵进行点乘 ...

  6. 乳腺肿瘤超声图像感兴趣区域的自动识别综述

    1.  研究背景与意义 乳腺恶性肿瘤是女性最常见的恶性肿瘤之一,其死亡率已经超过宫颈癌死亡率,位居癌症死亡率的前五名 [d1]. 美国癌症协会的调查报告 [d2] 显示2008年全球新发乳腺癌病例达1 ...

  7. 【OCR】图像预处理-文字背景分离方法

    1. 摘要 在OCR处理文档时,经常会遇到自然拍照场景中由于光照强度不一.拍摄角度不同.相机成像元件差异,因此会导致拍摄的图片与扫描文档存在较大区别.为使文档文字内容更加鲜明,便于后续特征提取,本文目 ...

  8. Halcon学习之六:获取Image图像中Region区域的特征参数

    area_center_gray ( Regions, Image : : : Area, Row, Column )    计算Image图像中Region区域的面积Area和重心(Row,Colu ...

  9. R语言ggplot2可视化左对齐两个可视化图像的画图区域(边缘)实战

    R语言ggplot2可视化左对齐两个可视化图像的画图区域(边缘)实战 目录 R语言ggplot2可视化左对齐两个可视化图像的画图区域(边缘)实战

最新文章

  1. Apache安装80端口被占用解决方案
  2. TF-IDF与余弦相似性的应用(三):自动摘要
  3. Python Tkinter 常用控件空间位置摆放
  4. java调用go接口_go语言调用API实线分词
  5. 小米12比我的小米10还便宜
  6. 设置php缓存失效,PHP使用Memcache时模拟命名空间及缓存失效问题的解决
  7. Ubuntu 14.10 下安装java反编译工具 jd-gui
  8. 极化码——比特翻转sc译码(SFSC译码)
  9. java常识-java怎么换行
  10. 阿里云——云数据库RDS
  11. 将uni-app项目编译为H5网站
  12. SpringBoot 中dependencies飘红
  13. 【论文阅读一】Adaptive Cross-Modal Few-shot Learning
  14. 关于睡眠唤醒实现开机功能
  15. [Mysql] 创建和操纵数据表
  16. 【BUUCTF】MISC 秘密文件
  17. Uigreat响应式1.5.1模板源码+WordPress下载站模板内核
  18. java 注册表 修改_[Java] jar文件运行(修改注册表修)
  19. Linux命令总汇表(持续更新中)_莫韵乐的linux笔记
  20. Morning Jogging(贪心)

热门文章

  1. linux如何编辑启动项,Ubuntu 11.04 启动项的修改
  2. leetcode算法题--最长定差子序列
  3. 为何不采用“两次握手”建立连接?
  4. 如何反编译,防止反编译,常见问题总结
  5. Yii2中关于组件的注册以及创建的方法详解
  6. VMware 下扩展linux硬盘空间
  7. C语言 · 约数个数
  8. JQuery窗口拖动效果
  9. 项目经理问:为什么总是只有我在加班 – 挂包袱现象
  10. 分享42个超棒的智能手机摄影画廊