空间滤波(基于opencv)

AINOAH

于 2025-01-04 21:45:59 发布

阅读量1.1k

点赞数 17

CC 4.0 BY-SA版权

文章标签： opencv 计算机视觉人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/jamesnoah/article/details/142972583

空间滤波是图像处理中的一种技术，通过在图像的每个像素周围应用滤波器，改变其值来实现图像的平滑、锐化或边缘检测等效果。图像的线性空间滤波是指图像与滤波器核进行卷积操作。常见的空间滤波器包括均值滤波器、高斯滤波器、Sobel滤波器等，用于去噪、增强图像细节或突出边缘特征。空间滤波广泛应用于图像去噪、特征提取和质量改善等领域。

一.常见噪声的概率密度函数

1.高斯噪声

$p(z)=\frac{1}{\sqrt{2\pi }\sigma }e^{-(z-\bar{z})/2\sigma ^{2}}$

均值是 $\bar{z}$ ，方差是 $\sigma$

z值在区间 $\bar{z}\pm \sigma$ 内的概率是0.68，z值在区间 $\bar{z}\pm 2\sigma$ 内的概率是0.95。

2.Rayleigh噪声

$p(z)=\left\{\begin{matrix} \frac{2}{b}(z-a)e^{-(z-a)^{2}/b} ,z\geqslant a\\0 ,z< a\end{matrix}\right.$

均值是 $\bar{z}=a+\sqrt{\pi b/4}$ ，方差为 $\sigma ^{2}=\frac{b(4-\pi )}{4}$

Rayleigh噪声的曲线特点是基本形状右偏。Rayleigh噪声的概率密度形式对整体趋势倾斜的颜色直方图建模非常有效。

3.Gamma噪声

$p(z)=\left\{\begin{matrix} \frac{a^{b}z^{b-1}}{(b-1)!}e^{-az} ,z\geqslant 0\\0 ,z< a\end{matrix}\right.$

均值是 $\bar{z}=\frac{b}{a}$ ，方差是 $\sigma ^{2}=\frac{b}{a^{2}}$

4.指数噪声

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。