南京大学:《数字图像处理》课程教学资源(课件讲义)05 代数运算与几何变换

数字图像处理 代数运算与几何变换
数字图像处理 代数运算与几何变换

代数运算 ·代数运算定义 。代数运算是指两幅或多幅输入图像进行点对点的加、 减、乘或除计算而得到输出图像的运算。 代数运算与几何变换 2018年3月26日
代数运算与几何变换 2 2018年3月26日 代数运算 代数运算定义 代数运算是指两幅或多幅输入图像进行点对点的加、 减、乘或除计算而得到输出图像的运算

代数运算 ●代数运算用途 ·减法运算可以用来减去背景,运动检测,进行梯度 幅度运算 ·加法运算可以用来降低图像中的随机噪音(前提是 图像中的其他部分必须是不动的)。加法运算可以 达到二次或多次曝光的效果。 。乘法运算通常用来进行掩模运算 。除法运算可以用来归一化 乘法和除法用的比较少,但在某些应用上很重要 代数运算与几何变换 2018年3月26日
代数运算与几何变换 3 2018年3月26日 代数运算 代数运算用途 减法运算可以用来减去背景,运动检测,进行梯度 幅度运算 加法运算可以用来降低图像中的随机噪音(前提是 图像中的其他部分必须是不动的)。加法运算可以 达到二次或多次曝光的效果。 乘法运算通常用来进行掩模运算 除法运算可以用来归一化 乘法和除法用的比较少,但在某些应用上很重要

减法 。减法的表示 g(x,y)=f(x,y)-h(x,y) 0 通过计算两幅图像所有对应像素点的差来表示两幅图像 的差异 高阶位平面带有图像大量的可见信息 低阶位平面分布着图像一些细节信息 代数运算与几何变换 2018年3月26日
代数运算与几何变换 4 2018年3月26日 减法 减法的表示 𝑔𝑔(𝑥𝑥, 𝑦𝑦) = 𝑓𝑓(𝑥𝑥, 𝑦𝑦) − ℎ(𝑥𝑥, 𝑦𝑦) 通过计算两幅图像所有对应像素点的差来表示两幅图像 的差异 高阶位平面带有图像大量的可见信息 低阶位平面分布着图像一些细节信息

图3.28(a)以分形图像.(b)把4个低阶比特血置0的结果,(c) (a)和(b)间的差别,(d)直方图均衡后的差值图像(原 图像由Swarthmore学院的Meli D.Bnde先生提供) 代数运算与几何变换 2018年3月26日
代数运算与几何变换 5 2018年3月26日

用减法处理来移去图像中静止的部分。 代数运算与几何变换 2018年3月26日
代数运算与几何变换 6 2018年3月26日 = - 用减法处理来移去图像中静止的部分

加法 ·噪声分类 ●加性噪声:加性噪声和图像信号强度不相关。 g(x,y)=f(x,y)+n(x,y) 。乘性噪声:乘性噪声和图像信号是相关的。 g(x,y)=f(x,y)+f(x,y)×n(x,y) 椒盐(Salt and Pepper)噪声:黑图像上的白点,白图像上 的黑点。 量化噪声:是由量化过程引起的,解决的最好方法是最 佳量化。 代数运算与几何变换 2018年3月26日
代数运算与几何变换 7 2018年3月26日 加法 噪声分类 加性噪声:加性噪声和图像信号强度不相关。 乘性噪声:乘性噪声和图像信号是相关的。 椒盐(Salt and Pepper)噪声:黑图像上的白点,白图像上 的黑点。 量化噪声:是由量化过程引起的,解决的最好方法是最 佳量化

代数运算与几何变换 2018年3月26日
代数运算与几何变换 8 2018年3月26日 + =

多次曝光 代数运算与几何变换 2018年3月26日
代数运算与几何变换 9 2018 年 3 月26 日 多次曝光

加法 ·例子 上海朱家角风光 有加性噪声的朱家角风光 代数运算与几何变换 10 2018年3月26日
代数运算与几何变换 10 2018年3月26日 加法 例子 上海朱家角风光 有加性噪声的朱家角风光
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 南京大学:《数字图像处理》课程教学资源(课件讲义)04 图像复原及锐化.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)03 灰度直方图与点运算.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)02 二值图像与像素关系.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)01 概述 Digital Image Processing.pdf
- 人工智能相关文献资料:Adaptivity and Non-stationarity - Problem-dependent Dynamic Regret for Online Convex Optimization.pdf
- 北京大学出版社:21世纪全国应用型本科电子通信系列《MATLAB基础及其应用教程》实用规划教材(共八章,2007,编著:周开利等).pdf
- 《计算机应用基础》课程教学资源(参考资料)Mathematica CheatSheet.pdf
- 《计算机应用基础》课程教学资源(参考资料)MATLAB Reference Sheet, by Giordano Fusco & Jindich Soukup.pdf
- 《计算机应用基础》课程教学资源(参考资料)MATLAB Reference Sheet, by Sherman Wiggin & Dom Dal Bello.pdf
- 《计算机应用基础》课程教学资源(参考资料)MATLAB Reference Card, by Jesse Knight.pdf
- 《计算机应用基础》课程教学资源(参考资料)MATLAB Quick Reference, by Jialong He.pdf
- 《计算机应用基础》课程教学资源(参考资料)MATLAB_CheatSheet, by Thor Nielsen.pdf
- 《计算机应用基础》课程教学资源(参考资料)MATLAB常用命令和函数.pdf
- 《计算机应用基础》课程教学资源(参考资料)MATLAB小结.pdf
- 《计算机应用基础》课程教学资源(参考资料)MathType使用介绍.pdf
- 《计算机应用基础》课程教学资源(参考资料)Mathematica参考.pdf
- 华东师范大学:《计算机应用基础》课程教学资源(参考资料)数学软件Mathematica使用入门.pdf
- 华东师范大学:《计算机应用基础》课程教学资源(课件讲稿)第七讲 多项式运算与代数方程求解.pdf
- 华东师范大学:《计算机应用基础》课程教学资源(课件讲稿)第六讲 MATLAB文件操作.pdf
- 华东师范大学:《计算机应用基础》课程教学资源(课件讲稿)第五讲 MATLAB编程基础(函数).pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)06 图像频域变换.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)07 频域滤波器.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)08 压缩编码.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)09 形态学及其应用.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)10 图像分割.pdf
- 南京大学:《数字图像处理》课程教学资源(课件讲义)11 图像特征分析.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 01 Introduction; Mathematical Background.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 02 Convex Optimization Basics; Function Properties.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 03 GD Methods I - GD method, Lipschitz optimization.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 04 GD Methods II - GD method, smooth optimization, Nesterov’s AGD, composite optimization.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 05 Online Convex Optimization - OGD, convex functions, strongly convex functions, online Newton step, exp-concave functions.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 06 Prediction with Expert Advice - Hedge, minimax bound, lower bound; mirror descent(motivation and preliminary).pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 07 Online Mirror Descent - OMD framework, regret analysis, primal-dual view, mirror map, FTRL, dual averaging.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 08 Adaptive Online Convex Optimization - problem-dependent guarantee, small-loss bound, self-confident tuning, small-loss OCO, self-bounding property bound.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 09 Optimistic Online Mirror Descent - optimistic online learning, predictable sequence, small-loss bound, gradient-variance bound, gradient-variation bound.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 10 Online Learning in Games - two-player zero-sum games, repeated play, minimax theorem, fast convergence.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 11 Adversarial Bandits - MAB, IW estimator, Exp3, lower bound, BCO, gradient estimator, self-concordant barrier.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 12 Stochastic Bandits - MAB, UCB, linear bandits, self-normalized concentration, generalized linear bandits.pdf
- 南京大学:《高级优化 Advanced Optimization》课程教学资源(讲稿)Lecture 13 Advanced Topics - non-stationary online learning, universal online learning, online ensemble, base algorithm, meta algorithm.pdf
- 南京大学:《组合数学》课程教学资源(课堂讲义)课程简介 Combinatorics Introduction(主讲:尹一通).pdf