计算机视觉与深度学习-卷积神经网络-卷积&图像去噪&边缘提取-图像去噪 [北邮鲁鹏]

目录标题

参考学习链接

计算机视觉与深度学习-04-图像去噪&卷积-北邮鲁鹏老师课程笔记

图像噪声

噪声点,其实在视觉上看上去让人感觉很难受,直观理解就是它跟周围的像素点差异比较大,显得比较突兀,视觉看起来很不舒服,这就是噪声点。

噪声分类

椒盐噪声

黑丝像素和白色像素随机出现

脉冲噪声

白色像素随机出现

对椒盐噪声&脉冲噪声去噪

使用高斯卷积核

高斯卷积核(低通滤波器)并不能去除椒盐噪声和脉冲噪声。

中值滤波器

中值滤波器是非线性操作。

刚开始的卷积核没有权重

当图像处理时,将3 * 3的卷积核套在图像的9个像素上,取这9个图像向上的像素值,排序求出其中值,并用该中值替换当前中心点像素值。

中值滤波对图像处理后

中值滤波 vs 均值滤波

  • 中值滤波:卷积结果的像素值是图像原本就有这个像素值。
  • 均值滤波:卷积结果的像素值是加权平均计算出的,可能原本并没有这个像素值。(高斯滤波)

高斯噪声

噪声强度变化服从高斯分布(正态分布)

高斯噪声数学模型是一个独立的加和模型 f ^ ( x , y ) = f ( x , y ) + μ ( x , y ) \hat{f}(x,y) = f(x,y)+ μ(x,y) f^(x,y)=f(x,y)+μ(x,y),一般认为 η ( x , y ) ∼ N ( μ , σ ) η ( x , y ) ∼ N ( μ , σ ) η(x,y)∼N(μ,σ),通常μ = 0 , σ很小。

即认为 图像是由真实图像 + 高斯噪声组成的,高斯噪声的产生一个是由于采集器附加的噪声,另一个是由于光学问题带来的噪声。将两者合起来就是最终看到的带有噪声的图像。

因此对于高斯噪声就有了这样的假设:首先噪声的产生是相互独立的,而且服从均值为0的正态分布。

减少高斯噪声

噪声的方差越大,高斯卷积核的方差或尺寸就要越大。

虽然高斯卷积核可以去除高斯噪声,但是更模糊(最下图比最上图模糊),坏的噪声去掉了,好的像素也受到了影响。

相关推荐
IT猿手9 小时前
基于CNN-LSTM的深度Q网络(Deep Q-Network,DQN)求解移动机器人路径规划,MATLAB代码
网络·cnn·lstm
hyshhhh10 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
Listennnn10 小时前
优雅的理解神经网络中的“分段线性单元”,解剖前向和反向传播
人工智能·深度学习·神经网络
AndrewHZ11 小时前
【图像处理基石】什么是tone mapping?
图像处理·人工智能·算法·计算机视觉·hdr
牙牙要健康12 小时前
【目标检测】【深度学习】【Pytorch版本】YOLOV3模型算法详解
pytorch·深度学习·目标检测
jndingxin13 小时前
OpenCV 图形API(11)对图像进行掩码操作的函数mask()
人工智能·opencv·计算机视觉
Scc_hy13 小时前
强化学习_Paper_1988_Learning to predict by the methods of temporal differences
人工智能·深度学习·算法
阳光_你好13 小时前
请详细说明opencv/c++对图片缩放
c++·opencv·计算机视觉
誉鏐13 小时前
从零开始设计Transformer模型(1/2)——剥离RNN,保留Attention
人工智能·深度学习·transformer
契合qht53_shine13 小时前
OpenCV 从入门到精通(day_05)
人工智能·opencv·计算机视觉