没有合适的资源?快使用搜索试试~ 我知道了~
proj1实验报告1
需积分: 0 0 下载量 79 浏览量
2022-08-03
13:10:21
上传
评论
收藏 766KB PDF 举报
温馨提示
试读
11页
1.了解、学习图像滤波操作与图像融合的相关知识 2.图像滤波:完善、填充代码,使用滤波器对给定的图像进行滤波处理,分 3.图像融合:利用上述步骤滤波得到的图像高
资源详情
资源评论
资源推荐
电 子 科 技 大 学
实 验 报 告
学生姓名:关文聪 学 号:2016060601008 指导教师:徐行
一、 实验项目名称:
Image Filtering and Hybrid Images(图像过滤和混合图像)
二、 实验原理:
图像的频率:
图像的频率指的是空间频率,它和我们认知的物理频率是不同的,因此,要
理解图像频率,就要将两者的定义脱离开。图像可以看成是一个定义在二维平面
上的信号,该信号的幅值对应像素的灰度(彩色图像对应 RGB 三个分量)。如果
仅仅考虑一帧图像的某一行像素,那么,可以看成是一维空间的信号。这种信号
和我们常见的时域信号是很相似的,只不过时域信号是定义在时间域上的,而图
像信号是定义在空间域的。因此,图像的频率被称为空间频率,空间频率是指单
位长度内亮度做周期性变化的次数,它反映了图像的像素灰度在空间中的变化情
况,从傅里叶频谱上可以看到明暗不一的亮点,反映的就是某点与邻域间的差异
程度。举个例子,一帧图像的背景或者变化缓慢的区域,也就是灰度值分布比较
平坦,那么,低频分量就比较强。图像的边缘、细节以及噪声的像素灰度在空间
的变化非常剧烈。因此为高频分量。
滤波:
在图像处理或者计算机视觉应用中,在正式对图像进行分析处理前一般需要
一个预处理的过程。预处理是对图像作一些诸如降维、降噪的操作,主要是为后
续处理提供一个体积合适的、只包含所需信息的图像。这里通常会用到一些滤波
处理手法。滤波,实际上是信号处理里的一个概念,而图像本身也可以看成是一
个二维的信号,其中像素点灰度值的高低代表信号的强弱。对应的高低频的意义:
高频:图像中灰度变化剧烈的点,一般是图像轮廓或者是噪声。
低频:图像中平坦的,灰度变化不大的点,图像中的大部分区域。
滤波器:
根据图像的高频与低频的特征,我们可以设计相应的高通与低通滤波器,高
通滤波可以检测图像中尖锐、变化明显的地方;低通滤波可以让图像变得光滑,
滤除图像中的噪声。顾名思义,高通滤波器为:让高频信息通过,过滤低频信息;
低通滤波相反。
理想的低通滤波器模板为:
其中,D0 表示通带半径,D(u,v)是到频谱中心的距离(欧式距离),计算公
式如下:
M 和 N 表示频谱图像的大小,(M/2,N/2)即为频谱中心
理想的高通滤波器与此相反,1 减去低通滤波模板即可。
Guassian 滤波:
Guassian 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。通俗的讲,Guassian 滤波就是对整幅图像进行加权平均的过
程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。
Guassian 滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每
一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的
值。Guassian 低通滤波器函数为:
1 减去低通滤波模板即可得到高通滤波模板
三、实验目的:
对不同图像分别进行高通和低通滤波,融合图片。
四、实验内容:
1.了解、学习图像滤波操作与图像融合的相关知识。
2.图像滤波:完善、填充代码,使用滤波器对给定的图像进行滤波处理,分
别得到图像的高频与低频信号。
3.图像融合:利用上述步骤滤波得到的图像高低频信号进行图像融合处理,
并输出融合后的图像。
五、实验步骤:
Part 1:图像滤波:
对于此部分,只需要修改完善“helpers.py”文件中的“my_imfilter”函
数即可。该函数接收图像输入与 filter,主要实现图像的 padding 操作与卷积
操作,但是要注意保持图像尺寸的一致。经过修改完善后的代码如下:
1. def my_imfilter(image, filter):
2. """
3. Your function should meet the requirements laid out on the project webpa
ge.
4. Apply a filter to an image. Return the filtered image.
5. Inputs:
6. - image -> numpy nd-array of dim (m, n, c)
7. - filter -> numpy nd-array of odd dim (k, l)
8. Returns
9. - filtered_image -> numpy nd-array of dim (m, n, c)
10. Errors if:
11. - filter has any even dimension -> raise an Exception with a suitable er
ror message.
12. """
13. filtered_image = np.asarray([0])
14.
15. ##################
16. # Your code here #
17. pad_x = (filter.shape[0] - 1) // 2
剩余10页未读,继续阅读
艾法
- 粉丝: 20
- 资源: 319
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0