导图社区 卷积、去噪、边缘提取
这是计算机视觉的通用处理方法,包括卷积、去噪、边缘处理算法,希望这份脑图会对你有所帮助。
这是我的mysql学习笔记,主要是基础篇入门的各项指令等,具体是看的黑马程序员的mysql视频,然后边学边自己整理出来的,希望对大家有帮助。
Segment Anything Model的论文行文思路,SAM是一个通过海量训练形成的分割模型,感兴趣可以看看。
DA-DETR的文章深度解读,解决方案DA-DETR可以使用一级探测器、使用单个鉴别器进行域间对齐网络、引入混合注意力机制确定应对其功能的模块,简化了领域自适应通道。
社区模板帮助中心,点此进入>>
互联网9大思维
组织架构-单商户商城webAPP 思维导图。
域控上线
python思维导图
css
CSS
计算机操作系统思维导图
计算机组成原理
IMX6UL(A7)
考试学情分析系统
卷积、去噪、边缘提取
卷积
性质
叠加
平移不变性
(同矢量)
边界填充padding
零填充
常数填充
保证卷积前后图像的尺寸不变
卷积核
高斯卷积核
生成步骤
确定卷积核尺寸
经验值:2+3*方差+1
设置高斯函数标准差
方差越大,平滑效果越明显
计算卷积核各个位置权重值
对权重值进行归一化
防止衰减或者放大
特性
低通滤波
抑制噪声、实现图像平滑
两个高斯卷积核卷积后得到的还是高斯卷积核
可以降低运算复杂度
噪声
脉冲噪声
椒盐噪声
中值滤波
高斯噪声
高斯滤波
边缘提取
边缘
图像中亮度明显而急剧变化的点
编码图像中的语义和形状信息
相对于像素表示,边缘表示显然更加紧凑
种类
法向不连续
深度不连续
表面颜色不连续
光照不连续
使用梯度的模值反映边缘信息
高斯一阶偏导核
高斯的导数
卷积核权值可以为负
权值总和为0
高对比度点的响应值大
Canny边缘检测器
用高斯一阶偏导核卷积图像
计算每点梯度幅值和方向
非极大值抑制
将宽的边缘细化至单个像素宽度
连接与阈值
定义两个阈值
使用高阈值开始边缘曲线,使用低阈值继续边缘曲线
纹理提取
设计卷积核组
利用卷积核组对图像进行卷积操作获得对应的特征相应图组
利用特征相应图的某种统计信息来表示图像中的纹理