2.图像作为函数 | Sigma对高斯噪声的影响、应用高斯噪声、图像处理注意事项_9

本文主要是介绍2.图像作为函数 | Sigma对高斯噪声的影响、应用高斯噪声、图像处理注意事项_9,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

Sigma对高斯噪声的影响

应用高斯噪声 

图像处理需注意的地方


好的。 我们说噪音的大小是由sigma决定的。

实际上,我们可以只看噪声函数本身,所以不要添加原始图像,只需看看噪声函数。

Sigma对高斯噪声的影响

噪音是什么意思? 是 0。

非常好!

这意味着一些值是什么? 有些值是正的,有些值是负的。

我们如何看待其中有"+"和"-"的图片?

如果我们说0是黑色的,另1是白色的,或 0是黑色的,255是白色的,我们怎么做呢?

错就错在说0是黑的。

我们要说:看,我们会将一些最小值映射到黑色,将一些最大值映射到白色,然后我们将它们分布在两者之间。

这样的话,0应该是什么颜色的?

你认为零应该是什么颜色,在黑色和白色之间?

宇宙中的黑与白之间是什么?

灰色。 

假设我们有值,从负20到正20,在图像中,我们可以使-20变成黑色,+20变成白色,零变成灰色。

如果我们这样做,它看起来就像这样:

所以这里我们向您展示高斯噪声的图像。

只是噪音,所以如果有一个非常小的sigma,你几乎看不到这只是一个不变的灰色。

随着我们让Sigma变得越来越大,你开始看到越来越多的斑点。

这就是效果,它只是一个加到图像上的噪声函数。

应用高斯噪声 

给定一个图像,你知道它的大小是图像的大小,你可以生成一个同样大小的噪声图像通过把它传递给randn函数。

该噪声图像中的值通常分布在零附近。 标准偏差为1。

将这些生成的值乘以2时会发生什么?这对分配结果有何影响? 

>> noise = randn(size(img)) .*2;

正确答案:它只会在x轴延伸:

请注意,我们只是将这些值相乘。

将一组正态分布数乘以一个值,有效地改变了它们所得到的分布的标准差。

现在为什么知道这一点很重要?

请记住,randn函数生成的标准偏差值为1,而我们使用的图像的类型为uint8,范围从0到255。

randn函数的结果直接添加到图像时,您认为会发生什么?让我们来看看,是时候使用新图像了。

>> img = imread('saturn.png');
>> imshow(img);

运行代码,我们得到:

如果你仔细观察,你将能够看到三个卫星和一个阴影。

现在我们生成噪声图像并将其添加到原始图像中。

>> img = imread('saturn.png');
>> imshow(img);
>>
>> noise = randn(size(img));
>> output = img + noise;
>> imshow(output);

运行结果:

没什么不同,是吧?

这是因为与图像相比,randn函数生成的值非常小。

让我们把这些值放大。

>> img = imread('saturn.png');
>> imshow(img);
>>
>> noise = randn(size(noise)) .* 25;
>> output = img + noise;
>> imshow(output);

运行代码,得到:

我们再增加一点怎么样? .* 50

更多。.* 100

现在很难看到卫星,不是吗? 

图像处理需注意的地方

我并没有在上一张图片中说我们的图片会是什么样的范围。

记得我告诉过你一个图像可能会从0到1,从最暗的黑色到最亮的白色。

如果我图像值的范围控制在0到1,我有个Sigma的值是2的话, 你会发现在整个图像得到白色的。

然而,当我回到这里时,Sigma的值为2只是一个小变化。

 而Sigma的值为64是一个很大的变化。为什么?

在这个图像中,我们有这样的概念,减去127为黑色,加上128为白色。

当我们根据强度来讨论图像中的噪声量时,它必须与图像整体范围有关。

所以在图像中使用双精度的另一个原因:

把它们看成是从0到1,然后我们可以讨论Sigma,你知道0.1。嗯,这是从黑色到白色的十分之一。

如果你想任意使用0到255这样的图像。你可以这么做:首先,使用0.0到255.0,使用浮点数。

在使用0到1的图像情况下的是0.1,在使用0到255图像是25的。

对,因为我已经把整个都拉长了,所以你必须担心Sigma相对于你的图像的整个范围的大小。

当你去显示图像时,尽力去了解你的图像的数字。因为现在你必须告诉机器,我有这个图像。你想要如何显示它?

Matlab有很多显示图像的方法。如果你有imshow函数,我认为它实际上来自图像处理工具箱。

你可以用这种方式显示它你会告诉它低的值和高的值。它会显示,任何低于黑色的值,任何高于白色的值。

你也可以用imshow给它一个空数组。Matlab会自动为您缩放图像。

 还有另一个名为imagesc的功能,用于图像比例。这是一个更老的功能。

 它不在图像处理工具箱中,它也会显示它。

 不要在如何显示图像和如何使用图像之间纠结。

 您只需将其标准化以显示它,而不是为了使用它进行计算。

1 到 9 的文章介绍机器视觉和图像处理相关方法,继续前进,下面还会有更酷的技术值得你学习。


——学会编写自己的代码,才能练出真功夫。

这篇关于2.图像作为函数 | Sigma对高斯噪声的影响、应用高斯噪声、图像处理注意事项_9的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/757965

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

zoj3820(树的直径的应用)

题意:在一颗树上找两个点,使得所有点到选择与其更近的一个点的距离的最大值最小。 思路:如果是选择一个点的话,那么点就是直径的中点。现在考虑两个点的情况,先求树的直径,再把直径最中间的边去掉,再求剩下的两个子树中直径的中点。 代码如下: #include <stdio.h>#include <string.h>#include <algorithm>#include <map>#

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/