基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

本节一起绘制一个可视化的高斯滤波器，同时对一个彩色图像增加高斯噪声，最后通过一个高斯滤波器对图像进行降噪处理。 就像上节说的那样，滤波不是学习重点，下面通过实操了解下原理即可。 可视化高斯滤波器 高斯滤波器符合高斯分布，并且是二维高斯分布，这一点在上一节 6、传统 CV 之高斯滤波 中已经介绍了。 下面通过 python 来生成一个高斯滤波器，并且对其可视化。 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from scipy.stats import multivariate_normal

定义一个高斯滤波器

def gaussian_kernel(size, sigma=1.0): kernel = np.fromfunction( lambda x, y: (1/ (2 * np.pi * sigma ** 2)) * np.exp(- ((x - size // 2 ) ** 2

  • (y - size // 2 ) ** 2 ) / ( 2 * sigma ** 2 )), (size, size) ) return kernel / np.sum(kernel)…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。