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

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Java中的Lambda表达式及其应用小结

《Java中的Lambda表达式及其应用小结》Java中的Lambda表达式是一项极具创新性的特性,它使得Java代码更加简洁和高效,尤其是在集合操作和并行处理方面,:本文主要介绍Java中的La... 目录前言1. 什么是Lambda表达式?2. Lambda表达式的基本语法例子1:最简单的Lambda表

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Python结合PyWebView库打造跨平台桌面应用

《Python结合PyWebView库打造跨平台桌面应用》随着Web技术的发展,将HTML/CSS/JavaScript与Python结合构建桌面应用成为可能,本文将系统讲解如何使用PyWebView... 目录一、技术原理与优势分析1.1 架构原理1.2 核心优势二、开发环境搭建2.1 安装依赖2.2 验

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字

电脑死机无反应怎么强制重启? 一文读懂方法及注意事项

《电脑死机无反应怎么强制重启?一文读懂方法及注意事项》在日常使用电脑的过程中,我们难免会遇到电脑无法正常启动的情况,本文将详细介绍几种常见的电脑强制开机方法,并探讨在强制开机后应注意的事项,以及如何... 在日常生活和工作中,我们经常会遇到电脑突然无反应的情况,这时候强制重启就成了解决问题的“救命稻草”。那

shell编程之函数与数组的使用详解

《shell编程之函数与数组的使用详解》:本文主要介绍shell编程之函数与数组的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录shell函数函数的用法俩个数求和系统资源监控并报警函数函数变量的作用范围函数的参数递归函数shell数组获取数组的长度读取某下的

SpringShell命令行之交互式Shell应用开发方式

《SpringShell命令行之交互式Shell应用开发方式》本文将深入探讨SpringShell的核心特性、实现方式及应用场景,帮助开发者掌握这一强大工具,具有很好的参考价值,希望对大家有所帮助,如... 目录引言一、Spring Shell概述二、创建命令类三、命令参数处理四、命令分组与帮助系统五、自定

SpringBoot应用中出现的Full GC问题的场景与解决

《SpringBoot应用中出现的FullGC问题的场景与解决》这篇文章主要为大家详细介绍了SpringBoot应用中出现的FullGC问题的场景与解决方法,文中的示例代码讲解详细,感兴趣的小伙伴可... 目录Full GC的原理与触发条件原理触发条件对Spring Boot应用的影响示例代码优化建议结论F

MySQL 分区与分库分表策略应用小结

《MySQL分区与分库分表策略应用小结》在大数据量、复杂查询和高并发的应用场景下,单一数据库往往难以满足性能和扩展性的要求,本文将详细介绍这两种策略的基本概念、实现方法及优缺点,并通过实际案例展示如... 目录mysql 分区与分库分表策略1. 数据库水平拆分的背景2. MySQL 分区策略2.1 分区概念