- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
简单人工智能技术应用使用PythonOpenCV进行图像处理
图像预处理对于整个图像处理任务来讲特别重要。如果我们没有进行恰当的预处理,无论我们
有多么好的数据也很难得到理想的结果。
本篇是视觉入门系列教程的第二篇。整个视觉入门系列内容如下:
理解颜色模型与在图像上绘制图形(图像处理基本操作)。
基本的图像处理与滤波技术。
从特征检测到人脸检测。
图像分割与分水岭(Watershed)算法(TBU)
在边缘和轮廓检测中,噪声对检测的精度有很大的影响。因此,去除噪声和控制像素值的大小
可以帮助模型聚焦于整体特征,获得更高的精度。对应的图像处理技术包括:模糊化
(Blurring)、阈值化(thresholding)和形态转换(morphologicaltransformation)。本篇我
们将详细介绍这几个常见的图像预处理技术。(本文假设读者已经熟悉卷积的概念。)
模糊化(Blurring)
模糊化的目标是实现降噪。我们必须格外注意的是:如果我们把边缘检测算法应用到高分辨率
的图像上,我们就会得到很多我们不感兴趣的检测结果;
相反,如果我们把图像模糊太多,我们就会丢失数据。因此,我们需要找到一个适当的模糊
量,从而不失去理想的边缘。
有多种技术用于实现模糊效果,在这里我们讨论OpenCV中常用的四种技术:平均模糊
(Averagingblurring)、高斯模糊(Gaussianblurring)、中值模糊(medianblurring)和双边
滤波(bilateralfiltering)。这四种技术应用一个共同的基本原理,即使用滤波器(内核)对图
像进行卷积运算。不同的是,在四种模糊方法中使用的滤波器的值是不同的。
平均模糊(Averageblurring)是取给定内核(kernel)区域下所有像素值的平均值替换中心的
值。例如,假设给定一个大小为5X5的内核(kernel),我们计算卷积结果的平均值,并将结果
放在给定区域的中心。示例如下:
如果我们增加内核的大小,像素值将更加归一化。因此图像也会变得越来越模糊。让我们用下
面的代码对比处理结果。(为了便于比较,将把原始图像加到结果中,进行对比显示。)
#ImporttheimageandconverttoRGB
img=cv2.imread('text.jpg')
img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#Plottheimagewithdifferentkernelsizes
kernels=[5,11,17]
fig,axs=plt.subplots(nrows=1,ncols=3,figsize=(20,20))
forind,sinenumerate(kernels):
img_blurred=cv2.blur(img,ksize=(s,s))
ax=axs[ind]
ax.imshow(img_blurred)
ax.axis('off')
plt.show()
中值模糊(Mediumblurring)和平均模糊(Averageblurring)是一样的,只是它使用的是中值
而不是平均值。正由于这个特性,当我们需要处理图像中突然出现的噪音时(如椒“盐噪音”),
使用中值模糊(mediumblurring)的效果要比平均模糊(averageblurring)效果好。
高斯模糊(Gaussianblurring)是使用值“”具有高斯分布的核函数。由于这些值是由高斯函数生
成的,因此它的参数需要一个sigma值。如上图,内核的值在靠近中心的地方变高,在靠近角的
地方变小。将该方法应用于具有正态分布的噪声,如白噪声,效果较好。
双边滤波(BilateralFiltering)是高斯模糊的一个高级版本。模糊化不仅可以溶解噪声,而且还
会平滑边缘。而双边滤波器能在去除噪声的同时保持边缘锐化。这是由于它不仅使用高斯分布
值,还同时考虑了距离和像素值的差异。因此,需要指定sigmaSpace和sigmaColor这两个参
数。
#Blurtheimage
img_0=cv2.blur(img,ksiz
您可能关注的文档
最近下载
- GB 19593-2015 烟花爆竹 组合烟花.pdf
- 工会十八大精神知识竞赛复习试题含答案.doc VIP
- 第一单元第1课《多样的美术门类》+课件+++++2024—2025学年赣美版初中美术七年级上册.pptx VIP
- 花卉鉴赏--草本花卉之球根花卉 唐菖蒲.pptx VIP
- 指南与共识:中国老年心肺复苏急诊专家共识(2024)解读PPT课件.pptx VIP
- 创意动漫教学ppt:日系动漫课件.pptx VIP
- 第四节 肉类的营养特点.docx
- 苏州市2023-2024学年高二上学期期中调研生物试题(原卷版).pdf VIP
- 2022工业视觉系统运维员实操.docx VIP
- GBT19017-2020 质量管理 技术状态管理指南.pdf
文档评论(0)