像素點
- 一種新的魚眼圖像校正算法*
位置，為下一步像素點的校正奠定了基礎。在此基礎上又提出了從2D空間進行魚眼圖像校正的新方法，實驗結果表明本文基于變量系數(shù)的雙向經(jīng)度校正算法校正效果沒有拉伸嚴重的問題，而且縱向校正效果明顯優(yōu)于傳統(tǒng)經(jīng)度校正算法［11～12］。2 基于圓形軌跡掃描的掃描線逼近算法原理2.1 算法介紹新的掃描線逼近算法的原理是一幅魚眼圖像的有效區(qū)域邊界都是黑色像素點的可能性非常小，所以會存在某處邊界像素點為非黑色像素點，那么我們先找到該非黑色像素點，確定一個有效區(qū)域的邊界點的位置
計算機與數(shù)字工程 2023年4期2023-08-02
- 多類別標簽弱監(jiān)督語義分割熱力圖生成算法
射到圖像的每個像素點，賦予像素點語義標簽。目前，使用圖像級標簽的弱監(jiān)督語義分割方法大多基于可視化的兩階段方法。首先，訓練分類網(wǎng)絡，通過初始定位獲得偽像素級掩碼；其次，利用生成的偽掩碼作為監(jiān)督信息訓練語義分割網(wǎng)絡。目前弱監(jiān)督語義分割的方法主要集中在生成高質量的偽像素級掩碼，而所有的圖像級弱監(jiān)督語義分割算法都使用了類激活映射(Class Activation Map，CAM)獲取偽像素掩碼。CAM的本質是利用交叉標簽約束的先驗，根據(jù)分類模型提供的信息定位圖像中
大連民族大學學報 2023年1期2023-03-15
- 一種基于模板的二階段ZS細化算法
化算法不以基本像素點為處理條件,而是通過直接計算圖像的中心線或中值線生成骨架圖。非迭代算法的最大優(yōu)點是處理速度快,但缺點是骨架有時會斷開或留下一些不必要的分支,通常骨架連通性差。迭代細化算法在每次迭代中以相同的條件迭代刪除邊緣像素點,直到生成骨架。迭代細化算法可分為串行細化算法和并行細化算法。串行細化算法通過光柵掃描或跟蹤圖像輪廓,按順序標記刪除邊緣像素點,刪除條件取決于之前所有迭代的結果和本次迭代中已處理過像素點情況。串行細化算法在處理目標圖像時,采用邊
計算機技術與發(fā)展 2023年2期2023-03-04
- 包絡法非圓齒輪廓線提取方法研究
成圖像處理中的像素點,然后通過提取像素點來得到非圓齒輪齒廓線,最后通過放大倍數(shù)還原為原始的齒廓數(shù)據(jù)點。1 通過聯(lián)動模型獲得包絡軌跡圖像刀具沿非圓齒輪節(jié)曲線做純滾動一周時就可以得到完整的包絡軌跡：其中X1O1Y1為毛坯固定坐標系,X2O2Y2為刀具運動坐標系：式(1)和式(2)中r1為插齒刀節(jié)圓半徑,r為橢圓極徑,a為長半軸,e為橢圓偏心率,n為橢圓的階數(shù),在插齒刀初始位置時,極角φ為0。由圖中幾何關系可知：式中：x,y和x1,y1分別為為極徑和刀具中心在毛
制造業(yè)自動化 2022年6期2022-06-28
- 適應性雙通道先驗的圖像去霧方法
驗的白色或亮色像素點和黑色或暗色像素點；然后，選用超像素作為暗通道和亮通道計算的局部區(qū)域，估計局部透射率和大氣光值；最后，由于亮暗雙通道方法對白色和黑色像素點的透射率和大氣光值進行錯誤估計，采用本文提出的適應性雙通道先驗方法進行矯正，通過導引濾波器對透射率圖和大氣光圖進行濾波，代入到大氣散射模型中，求得清晰的去霧圖像。實驗結果表明，去霧后的圖像恢復了真實顏色、視覺效果自然、清晰，準確高效地實現(xiàn)圖像的去霧處理；在FRIDA數(shù)據(jù)集上進行去霧處理，采用本文方法的
光學精密工程 2022年10期2022-06-01
- 用于CD56圖像分割的細胞標注精細化與自適應加權損失*
對圖像中的每個像素點進行分類。將語義分割技術應用于CD56圖像，可將統(tǒng)計陰陽細胞數(shù)量的比例轉化為統(tǒng)計陰陽細胞像素點個數(shù)的比例，從而實現(xiàn)從人工統(tǒng)計到計算機統(tǒng)計的轉變。但是，在CD56圖像中背景、陰性細胞和陽性細胞的像素點個數(shù)比例失衡，這會影響語義分割模型對CD56圖像的分割效果。本文在語義分割模型的損失函數(shù)中為不同類別的像素點添加不同的損失權重，并且對每個像素點添加自適應權重，緩解了類別不平衡的問題。此外，由于細胞數(shù)量很多，精細標注費時費力，所以通常使用一個
計算機工程與科學 2022年5期2022-05-27
- 一種改進ViBe 算法的移動目標檢測方法
算法利用每個像素點及其周邊鄰域像素點的信息，建立像素點信息的隨機鄰域傳播更新機制，使得每個像素點的值在其鄰域內平滑傳播，增強算法適應場景變化的能力。在背景發(fā)生微小變化時，檢測出的噪聲點較少。ViBe 算法在靜態(tài)背景和變化小的背景中有較好的檢測效果，檢測速度快，但也存在“鬼影”問題。針對ViBe 算法存在的“鬼影”問題，目前有兩種改進方法：第一種是對初始化方式進行改進；第二種是先找出“鬼影”區(qū)域，再對“鬼影”進行處理。第一種改進方法有中位數(shù)法、平均法等。張
現(xiàn)代電子技術 2022年8期2022-04-13
- 鋰電池隔膜微觀形貌分形分維對比研究
膜微觀孔結構。像素點法和投影覆蓋法分形計算法為目前計算微觀形貌分形維數(shù)較常見兩種方法。本文采用像素點法和投影覆蓋法分別算出不同拉伸倍率工藝條件下鋰離子電池隔膜的分形維數(shù)，分析二者的各自優(yōu)缺點，為分形分維在鋰離子電池隔膜微觀形貌分析的運用提供參照。1 實驗原理介紹1.1 像素覆蓋法將圖片進行銳化處理并進行二值化，圖片上的像素點歸結為0和1二值，其中0代表圖片深色像素點，1代表淺色像素點。圖片轉換成二值化表格后，再將表格進行劃分，形成各等分小塊，記該劃分小塊的
信息記錄材料 2022年1期2022-03-11
- 基于絲桿傳動的高精度機械矩陣設計
矩陣傳動精度和像素點精度，本文采用絲杠傳動裝置，利用光桿和絲杠配合實現(xiàn)矩陣單元外導向無間隙，可有效降低像素點面積，提高了像素點顯示精度。在光桿頂部加裝導向塊，其上的輔助輪和圓臺部可以有效保證矩陣單元的垂直度，提高了像素單元的傳動精度和平穩(wěn)性。1 機械矩陣傳動方案設計機械矩陣通過各個矩陣單元的上下往復運動來實現(xiàn)各種靜態(tài)、動態(tài)的二維或三維圖案，主要是依靠機械傳動結構將電動機的旋轉運動轉換為矩陣單元的直線運動，所以矩陣單元的機械結構是實現(xiàn)這一功能的關鍵點，選擇合
機械工程師 2022年1期2022-01-22
- 圖像二值化處理硬件加速引擎的設計
法對整幅圖像的像素點運算獲取最佳閾值,其算法通用性好,但是對圖像噪聲敏感[5],而且內存開銷大;自適應閾值算法將原始圖像分割成若干個子圖像并分別求子圖像的最優(yōu)閾值,它能夠減小圖像噪聲的影響,但是計算過程相對復雜[6]。綜合考慮處理效果、硬件成本以及算法復雜度等因素,本文將Box Filter算法引入到圖像二值化處理過程中。這是一種自適應閾值算法,以待處理像素點為中心、(2r+1)為邊長的正方形框作為閾值窗口,閾值窗口內所有像素點亮度值的數(shù)學期望是該像素點的
合肥工業(yè)大學學報（自然科學版） 2021年11期2021-12-10
- 導向濾波的高光去除改進算法
er的研究，將像素點投射到最大強度色度空間，采用從鏡面到漫射機制和強度對數(shù)微分的方法，分離出了漫反射分量和鏡面反射分量，但在分離過程中，像素點色度發(fā)生了變化，從而導致圖像的顏色失真；鄭芝寰等[8]為解決顏色失真的問題，提出基于色度聚類的高光區(qū)域選取算法和利用MSF圖像尋找高光點的體色度的算法，但計算過程較為復雜；Yang等[9]基于漫反射分量的最大部分在彩色圖像中平滑變化的特性，將低通濾波器應用到顏色分量的最大部分用于估計鏡面反射分量，該方法可以去除高光，
計算機工程與應用 2021年20期2021-10-28
- 基于像素點測量的瓶蓋檢測算法
要：采用基于像素點的飲料瓶瓶蓋檢測算法，可以很好地提高瓶蓋的檢測效率、降低成本。算法按照找出中垂線、左右邊緣線、上邊緣線和突出瓶頸4個步驟來判斷瓶蓋的4種情況。在實際操作過程中，系統(tǒng)監(jiān)測的準確率超過了99%。實驗證明，該算法有很強的實用性。關鍵詞：瓶蓋;檢測;像素點在現(xiàn)代化的流水線中，一條罐裝飲料生產(chǎn)線每小時可以生產(chǎn)上萬瓶飲料，期間會出現(xiàn)一些不合格產(chǎn)品，而不合格則主要體現(xiàn)為瓶蓋不合格。為了不影響產(chǎn)品質量，需要對瓶子進行全方位的檢測。如今，對不合格瓶子的檢
現(xiàn)代鹽化工 2021年3期2021-08-27
- 融合噪聲信息函數(shù)的改進FCM圖像分割方法研究
相近特征的相鄰像素點聚到同一個區(qū)域，對每個像素點根據(jù)其特性采用不同的聚類規(guī)則實現(xiàn)分割，分割準確率較高，但是容易受到噪聲的干擾[3-4]，為此，許多學者進行了改進研究。文獻[5]提出一種利用包含度和隸屬度的遙感影像模糊分割方法，該方法將包含度作為一種新測度來描述聚類與像素間的關系，并將包含度納入目標函數(shù)中，通過迭代最小化目標函數(shù)來得到最優(yōu)的隸屬度和包含度，通過反模糊化隸屬度和包含度之積實現(xiàn)帶有幾何噪聲的遙感圖像的分割；文獻[6]提出一種改進的快速模糊C均值聚
能源與環(huán)保 2021年6期2021-07-06
- 一種檢測LCD顯示串擾的方法及系統(tǒng)
設有N 個測量像素點，N 為大于等于1的整數(shù)。在本論文的一個具體實施方法中，第一顏色為中灰色。下面舉例說明獲取第一圖片的方式。例如，可以通過photoshop 獲取一張與液晶顯示器（即LCD）像素相同的圖片，并將該圖片的RGB 的百分比設置為50%，這樣就得到了顏色為中灰色的第一圖片，如圖2所示。其中，以N=4 為例，圖2中的四個點為預設的4 個測量像素點。S2，控制液晶顯示器顯示第一圖片，并測量第一圖片中N 個測量像素點的亮度值。具體地，通過液晶顯示器顯
電子技術與軟件工程 2021年1期2021-04-20
- 基于像素點的面積計算在蜂窩麻面圖像的應用
提出了一種基于像素點的蜂窩麻面病害面積的快速求解方法。首先介紹了基于像素點的面積計算在各類研究中的實踐與應用;其次基于像素點的面積計算方法，將其應用于蜂窩麻面圖像，并結合系統(tǒng)采集的圖片進行了實驗;最后得出：通過此方法進行計算的蜂窩麻面病害區(qū)域像素數(shù)與實際取得的病害像素數(shù)相比，誤差極小，接近無誤差，且計算速度更快、更穩(wěn)定;取得的病害區(qū)域像素數(shù)乘以像素當量即為病害區(qū)域的面積。可作為工程應用項目參考。關鍵詞：像素點;面積計算;蜂窩麻面;像素當量;二值化中圖分類號
電腦知識與技術 2021年2期2021-03-24
- 色彩的復現(xiàn)：計算機圖像處理與數(shù)值計算
構成彩色圖像的像素點顏色信息是由R（紅色）、G（綠色）、B（藍色）三基色的值構成，不同的RGB值可以混合出各種顏色，我們可以用一個四腳共陰極的三色LED燈，通過控制這三個值，模擬顯示不同顏色。對于圖像處理的操作，如模糊處理、色度處理、對比度調節(jié)等就是對這組數(shù)據(jù)進行復雜的數(shù)學運算。本文利用開源庫OpenCV，通過卷積運算來實現(xiàn)圖像處理，讓學生看到圖像處理操作背后的數(shù)值計算才是圖像處理的本質。現(xiàn)代的顯示屏對色彩的還原度已經(jīng)達到了以假亂真的程度，而顯示器從單色到
中國信息技術教育 2021年5期2021-03-24
- PMP技術中檢測飽和及校正相位的算法研究
正弦曲線中飽和像素點的具體情況，提出利用正弦曲線中未發(fā)生飽和的像素點進行相位計算；Guo等人[6]采用Hough變換投票的方法確定用于三維重建的相位；趙等人[7]通過建立正弦曲線中每個像素點滿足的強度值模型，從而得到相位值。本文首先提出一種檢測物體表面飽和區(qū)域的方法，該方法通過檢測純色圖像與N幀圖像作差得到的檢測圖像中每個像素點的值，從而檢測飽和區(qū)域；同時，針對平面型掃描物體，提出一種校正飽和區(qū)域相位的算法，該算法利用與飽和像素點鄰近的非飽和像素點的相位進
山西電子技術 2021年1期2021-02-05
- 基于局部相似性的特征匹配篩選算法
檢測穩(wěn)定的特征像素點，以特征像素點鄰域的梯度直方圖為基準對特征像素點進行描述，所形成的特征像素點描述子對圖像的尺度以及旋轉變化適應性很強，但計算量過大也使該算法在效率上略顯不足。為了獲得效率上的提升，Bay 等人提出一種利用圖像積分檢測特征像素點的SURF 算法。該算法相對SIFT 算法在效率上有所提升，在遙感圖像[5-6]上也獲得了應用。隨著對算法實時性要求的提高，研究者對之前的算法進行了優(yōu)化[7-9]。同時，Rublee 等人提出更具效率的ORB 算法
現(xiàn)代電子技術 2021年1期2021-01-17
- 基于泊松分布的非局部均值圖像去噪方法
來衡量圖像中兩像素點間的相似性大小，該方法在不同光子數(shù)條件下驗證了其去噪的有效性?；趫D像泊松分布的統(tǒng)計特性，本文提出一種基于泊松分布的非局部均值圖像去噪方法。該方法利用像素點的非局部區(qū)域內的像素信息并根據(jù)極大似然估計其泊松分布參數(shù)；根據(jù)兩泊松分布間的L2范數(shù)距離來表示兩像素點間的差異大小。采用兩像素點周圍鄰域內點對間的L2范數(shù)距離平方和來定義相似性權值的大小。依據(jù)非局部均值的思想對圖像進行泊松去噪，實驗證明，本文方法在不同光子數(shù)條件下均能取得較好的去噪性
液晶與顯示 2020年10期2020-11-05
- 基于模糊圖像邊緣檢測算法的改進
值有明顯變化的像素點的集合，而邊緣檢測算法的目的便是準確的找到這些像素點。當前存在的大部分邊緣檢測算法即是根據(jù)像素點在邊緣區(qū)域的跳躍性變化來檢測，反映在數(shù)學上即是根據(jù)邊緣鄰近的一階或二階方向導數(shù)的變換規(guī)律，來判斷圖像邊緣點?；谝浑A和二階導數(shù)來進行圖像邊緣檢測的算法也已經(jīng)存在多種，例如：結合了高斯平滑和微分求導，并采用了卷積核來檢測圖像邊緣的Sobel 算子；使用圖像梯度以及對圖像進行二階求導的Laplace 算子；利用高斯平滑濾波器去除噪音，并采用一階求
現(xiàn)代計算機 2020年21期2020-09-02
- 基于CT圖像的金屬點陣結構內部缺陷檢測方法
據(jù)二維灰度圖中像素點灰度值的分布特征，開展了缺陷自動識別定位的研究。2 缺陷特征提取及識別方法研究對象是一種由選擇性激光熔融技術制備的鈦合金三維多層點陣結構，其內部的微結構單元為正四面體結構，每一個節(jié)點與其周圍4個節(jié)點之間等距離連接且呈一個固定角度。整個鈦合金三維多層點陣結構外部由一層鈦合金板狀結構構成，使整個結構處于半封閉狀態(tài)，其內部存在的斷層缺陷很難通過常規(guī)無損檢測方法進行識別。2.1 缺陷識別的原理采用工業(yè)CT對多層金屬點陣結構材料進行掃描，得到材料
計量學報 2020年5期2020-06-10
- 結合光暈顏色和網(wǎng)格聚類的夜間尾燈識別
只需要判斷圖片像素點是否滿足定義的規(guī)則，識別速度快。由于車載嵌入式系統(tǒng)對于實時處理速度要求較高，因此更適合使用基于知識的方法識別尾燈。夜間前方同向車輛最明顯的特征就是紅色、明亮的尾燈。文獻[6-8]的研究是根據(jù)像素點的色調(H)、飽和度(S)、亮度(V)識別尾燈，此方法轉換公式復雜，計算耗時。文獻[9]計算像素點的紅(R)、綠(G)、藍(B)3個通道的差值，通過改進最大類間方差法(OTSU)，確定閾值，識別尾燈，此方法在前方只有偏黃路燈時，會將路燈誤判為尾
河南科技大學學報(自然科學版) 2020年5期2020-06-09
- 基于ZS細化改進算法的儀表盤指針讀數(shù)方法
現(xiàn)冗余和分叉的像素點[6]；陳樹等則在初步細化的基礎上采用四連通域模板和構造保留模板實現(xiàn)徹底細化和直線連通[7]。然而上述方法都采用某一特定的模板進行匹配細化，不能覆蓋可能出現(xiàn)的情況，且運算過程復雜，無法解決直線細化過程中重復出現(xiàn)的分叉和像素冗余的問題。為了解決現(xiàn)有方法存在的問題，今提出一種基于ZS細化改進算法的汽車儀表盤指針讀數(shù)方法。首先運用顏色空間轉換的方法，將儀表盤圖像從RGB空間轉換至YUV空間，提取U分量得到指針區(qū)域圖像；然后針對上述ZS細化算法
中國計量大學學報 2020年1期2020-05-12
- 基于連通性檢測的圖像椒鹽噪聲濾波算法
未被污染的圖像像素點灰度值有較大差異，人們往往選用中值濾波算法[2]來處理椒鹽噪聲。該算法能有效地處理椒鹽噪聲，但它不加區(qū)分地對所有像素點進行處理也導致了圖像細節(jié)變得更模糊的問題。針對這一問題，在此算法的基礎上，學者們相繼提出極值中值算法[3]、加權中值濾波算法[4-5]、自適應中值濾波算法[6-7]等算法。其中的自適應中值濾波算法[8]為Hwang和 Haddad提出，原理為通過大小可變的窗口消除噪聲。Lin和Yu則在自適應中值濾波算法基礎上提出了一種基
液晶與顯示 2020年2期2020-04-07
- 視頻監(jiān)控中潛在長期停留物體的檢測算法
方法，它能描述像素點在不同場景下表現(xiàn)出的多峰狀態(tài)，并實時對短時間尺度下的背景模型進行實時更新判斷出視頻中運動物體的前背景分布[6]；然后，用長時間尺度下的前背景模型法檢測出運動的物體，并對長時間尺度下的背景模型進行學習[7]；最后，將長短背景模型進行耦合，剔除視頻中快速通過的物體，得到視頻中潛在的長期停留物體。1 構建短時間尺度下的前背景模型在攝像機固定的情況下，視頻中運動物體的檢測常用的方法主要有背景差分法、幀間差分法[8]和光流法[9]。幀間差分法是利
電子技術與軟件工程 2020年21期2020-02-04
- 一種去除椒鹽噪聲的自適應模糊中值濾波算法
固定窗口對每個像素點進行相同的處理，不區(qū)分噪聲點和信號點，在去除噪聲的同時容易導致圖像細節(jié)模糊。為此，提出了各種改進算法。自適應中值濾波（AMF）算法［3-4］可自適應調整濾波窗口的大小，并采用非噪聲的中值點代替窗口中心像素點，提高了噪聲的去除能力，但中值點很可能取到離窗口中心較遠位置的像素點，易導致圖像細節(jié)丟失。文獻［5］提出了一種改進的AMF算法，計算濾波窗口在4個方向上各像素點與中心像素點的灰度差值的和，并利用其絕對值的最小值進行噪聲檢測，對受噪聲污
浙江大學學報（理學版） 2019年4期2019-08-15
- 用于指尖定位的多目標分布估計算法
于選擇指尖區(qū)域像素點的多目標優(yōu)化模型. 通過求解這一優(yōu)化模型，能夠得到某一手部區(qū)域中的所有指尖區(qū)域像素點. 根據(jù)指尖伸出的數(shù)量，對得到的指尖區(qū)域像素點進行聚類，能夠得到任一指尖區(qū)域的像素點. 然后，對于某一指尖區(qū)域的所有像素點計算它們的坐標的平均值，這一平均值就是指尖區(qū)域中心的坐標. 對于上述指尖定位的優(yōu)化模型，為了得到比較準確的指尖位置，需要保證選擇出的指尖區(qū)域像素點是準確的. 由此可見，在求解指尖定位的優(yōu)化模型時，采用適合的求解方法，才能保證選擇出準確
鄭州大學學報（工學版） 2019年4期2019-07-20
- 基于像素點篩選的艦船湍流尾跡檢測算法
著各條直線積分像素點數(shù)目不同的缺點。2005年，鄒煥新[8]等將Radon變換峰值點的一維截面用小波變換進行匹配，獲得峰值點的特征向量，然后進行分類決策，有效地提取了Radon域中的尾跡峰值點。2016年，楊國錚等[7]則使用形態(tài)成分分析與剪切波變換實現(xiàn)了艦船尾跡的檢測。圖1 對全1矩陣進行Radon變換后的雙X亮紋有別于Radon變換，本文提出的SAR圖像湍流尾跡檢測方法基于像素點篩選。其基本思想如圖2所示。圖2 像素點梯度方向示意圖湍流尾跡上的像素點與
微型電腦應用 2019年1期2019-01-23
- 一種改進的自適應加權中值濾波算法研究
率對圖像中每個像素點產(chǎn)生噪聲，其概率密度如式1所示，方差和期望值如式2所示：(1)(2)(2)高斯噪聲：又叫正態(tài)噪聲，概率密度的描述如下：(3)其中，z表示圖像灰度值；μ表示z的期望值；σ表示z的標準差。高斯噪聲處理起來簡單容易，應用廣泛。(3)椒鹽噪聲：又稱脈沖噪聲，是一種最典型的噪聲，對圖像質量具有極大的影響。一般持續(xù)時間小于0.5 s，間隔時間大于1 s，概率密度描述如下：(4)如果b>a，則b將以點概率成為圖像中一個亮點，a成為一個暗點。(4)伽馬
計算機技術與發(fā)展 2018年12期2018-12-20
- 基于5×5鄰域像素點相關性的劃痕修復算法
復區(qū)域鄰域一層像素點會存在噪聲和游離的衰減區(qū)域點或跳變點[6].如果僅僅通過傳統(tǒng)的4鄰域或8鄰域中的相關像素點來修復,肯定會產(chǎn)生錯誤積累,出現(xiàn)劃痕修復不徹底和模糊現(xiàn)象.本工作改進了傳統(tǒng)圖像修補算法,并將其應用到舊的影視資料的劃痕修復中.本工作的主要思想是利用待修復區(qū)域與周圍24個鄰近像素點的相關性,通過定義劃痕邊界待修復像素點的優(yōu)先度來確定填充順序;并結合圖像本身的結構特征,依次修復每一個像素點并及時更新此像素點及其附近邊界像素點的優(yōu)先度,重復操作直至待修
上海大學學報（自然科學版） 2018年5期2018-11-02
- 一種圖像壞點檢測及修正算法
是在以當前待測像素點為中心,大小為5×5像素的色彩濾波(color filter array,CFA)矩陣[4](見圖1)基礎上,對當前待測像素點進行壞點判斷.圖1 初始5×5 CFA矩陣Fig.1 Original 5×5 CFA matrix文獻[5]利用當前待測像素點鄰域數(shù)值的均值和標準差,將圖像分為平坦區(qū)和非平坦區(qū),分別設置高、低閾值.當待測像素點在閾值外時,則判定其為壞點.該算法需要設定平坦區(qū)和非平坦區(qū)的參數(shù),且可通過調節(jié)參數(shù)去除多個連續(xù)壞點并且
上海大學學報（自然科學版） 2018年5期2018-11-02
- 一種X射線圖像白點噪聲去除算法
心點是否為噪聲像素點；最后，對濾波窗口下已經(jīng)確定的噪聲像素點進行處理并對去噪后的圖像進行增強。實驗結果表明，使用所提算法進行去噪所獲得的圖像細節(jié)更加清楚并且成功去除白點噪聲。關鍵詞： X射線拍攝； 圖像去噪； 低照度圖像； 圖像增強； 白點噪聲； 像素點中圖分類號： TN911.73?34； TP751.1 文獻標識碼： A 文章編號： 1004?373X（2018）18?0096?03An algorithm for removing white spo
現(xiàn)代電子技術 2018年18期2018-09-12
- 基于非對稱直方圖修改的可逆信息隱藏方案
該方法先取每個像素點左上方相鄰 3個像素點中像素值最大(小)值作為該點的預測值，計算預測誤差并統(tǒng)計分布生成預測誤差分布直方圖，通過直方圖平移的方法在峰值點處進行秘密信息的嵌入(若取最大值作為預測值，則直方圖向右平移，反之則向左平移)，在完成原始圖像的每個像素點進行了第一輪秘密信息的嵌入后，然后對含密圖像的每個像素點進行第二輪秘密信息的嵌入，此時取每個像素點左上方相鄰 3個像素點中像素值最小(大)值作為該點的預測值，計算此時的預測誤差并統(tǒng)計分布生成預測誤差直
網(wǎng)絡與信息安全學報 2018年5期2018-05-29
- 基于灰度直方圖的單一圖像噪聲類型識別研究
類型；灰度級；像素點；含噪圖像DOI：10.11907/rjdk.172618中圖分類號：TP317.4文獻標識碼：A 文章編號：1672-7800（2018）004-0197-04Abstract：The identification of the image noise type is not only a prerequisite for the study of the noise suppression scheme， but also play
軟件導刊 2018年4期2018-05-15
- 基于模糊聚類的施工升降梯內部人數(shù)統(tǒng)計
理對象是一系列像素點的坐標，它們的相近和疏遠程度的最直接表征就是像素點坐標之間的歐氏距離，很明顯此處選擇歐氏距離的表達方式更方便，如果rij的表達方式選擇歐氏距離，那么rij的值越小，則表示Xi與Xj離的越近，選擇合適的距離λ，當rij＜=λ時，rij=1，表明 Xi與 Xj屬于同一類，其余情形rij=0，這樣得到了相應矩陣Rλ，根據(jù)Rλ中各個元素的值便可實現(xiàn)類的合并。2 圖像中特定顏色安全帽的提取本文所研究的情形中，安全帽區(qū)域為感興趣區(qū)域（ROI），而且
現(xiàn)代計算機 2017年35期2018-01-18
- 一種基于OpenGL的重合航跡處理方法
需要與屏幕上的像素點一一映射才能完成繪制。因此，需要獲得屏幕上顯示區(qū)域所包含的像素點個數(shù)。假設空情態(tài)勢顯示圓形區(qū)域，顯示坐標系定義為正北方向為Y軸正方向、正東為X軸正方向。符號P表示顯示圓盤半徑表示范圍用，符號n表示圓盤半徑長度對應的像素點個數(shù)，則目標在顯示坐標系下的參數(shù)按公式（8）、公式（9）得到：若顯示圓盤半徑表示范圍為P=600km，對應像素點個數(shù)為n=600，則兩個像素對應的目標數(shù)值范圍為1km，如圖2所示。常規(guī)飛行器的飛行速度在150m/s～72
電子測試 2017年14期2017-08-16
- 圖像采集過程中基于膚色理論的采集框自動定位
測；圖像采集；像素點中圖分類號 TP3 文獻標識碼 A 文章編號 2095-6363（2017）12-0112-021 識別膚色理論膚色作為人顯著的特征常被應用到人臉檢測和識別研究中。識別圖像中的膚色是人臉檢測的預處理步驟，橢圓膚色模型就是基于膚色在YCbCr空間cb、cr分量分布的穩(wěn)定性，來區(qū)分像素點是否屬于膚色區(qū)域。2 Delphi中具體實現(xiàn)過程2.1 先對圖像濾波通過對一個像素點相鄰周圍9個像素點中間值對圖像進行濾波處理，使圖像整體畫面平滑，沒有突顯
科學家 2017年12期2017-08-10
- 你知道什么是像素嗎
就是像素，也叫像素點（如下圖）。每一個小方形，就是1像素。這和“十字繡”的圖紙是一樣的道理。任何圖像都是由這樣細小的像素點構成的，你可以找一個早期的手機來看看，細細看還能看到這些格子。像素是組成數(shù)碼圖像的一種最小單位，形狀有長方形和正方形。一個像素只有一種顏色。認識像素之后，我們就可以用像素來描述圖像的大小了。一張圖像的大小由其像素總量決定，像素總量可以通過下面的公式計算：像素總量=寬度×高度（以像素點計算）。通常，當我們說一張圖片為1024×768像素時
數(shù)學小靈通·3-4年級 2017年7期2017-05-30
- 基于信號對稱性的抑制飽和誤差算法
應的光柵圖片中像素點之間的對稱性,修復飽和像素點的強度值,利用修復后的像素點強度值重建物體的三維形貌,從而降低飽和誤差.通過仿真軟件仿真及實驗均證實本文算法的效用.實驗結果表明：采用該算法的飽和誤差的均方根值相對于傳統(tǒng)測量方法減小了77.78%.三維測量；相位測量輪廓術；相位誤差；光強飽和；正反信號編碼相位測量輪廓術（PMP）是主動式的三維測量方法之一[1-2].由于其具有測量快、精確度高等優(yōu)點,目前被廣泛使用在三維建模、生物識別等領域[3-4].但在實際
河南科技學院學報(自然科學版) 2017年2期2017-05-11
- 用于紋理特征提取的改進的成對旋轉不變共生局部二值模式算法
化和最小化圖像像素點的二值序列，得到兩個鄰域像素點的坐標，由中心像素點坐標和得到的鄰域像素點坐標計算出共生點對的坐標；其次，利用完備二值模式 （CLBP） 算法提取圖像的每個像素點的紋理信息。在相同分類器下，對Brodatz、Outex（TC10，TC12）、Outex（TC14）、CUReT和KTH_TIPS數(shù)據(jù)庫的分類實驗中，所提算法的識別率比PRICoLBP算法分別提高了0.17、0.24、2.65、2.39和2.04個百分點。實驗結果表明，所提算法
計算機應用 2016年12期2017-01-13
- 信噪比
雖然不同大小的像素點產(chǎn)生的噪點數(shù)量是一樣的，但是更小的像素點所能捕捉到的光子——光的基本粒子——則更少。所以從比例上來說，更小的傳感器會產(chǎn)生更多的噪點，即更低的信噪比。更大尺寸的傳感器在產(chǎn)生相同數(shù)量的噪點的同時能接收更多的光子（接受到更多有效信號），也就有了更高的信噪比。結果就是更大尺寸的傳感器能夠在相同ISO值時拍出更“純凈”的照片，在低ISO情況下區(qū)別不明顯，而隨著ISO的提高，畫質差距會十分明顯。更小的像素點每個像素點捕捉到的光子（黃色）以及隨機的噪
攝影之友(影像視覺) 2016年11期2016-07-31
- 基于分塊聚類特征匹配的無人機航拍三維場景重建
詞：圖像匹配；像素點；無人機航拍視頻；三維重建；聚類隨著計算機視覺理論以及無人機平臺技術的迅猛發(fā)展，無人機視覺研究將重新定義未來人類感知世界的能力與范圍。無人機視覺研究已經(jīng)逐步從二維的圖像處理、分析發(fā)展為三維場景的重構與解析。復雜大場景的三維重建是當前國內外研究的熱點問題。無人機平臺在獲取三維數(shù)據(jù)方面具有視角靈活性大、飛行成本低以及時效性強等優(yōu)勢，可得到同一場景連續(xù)多視角、海量無標定圖像序列。SFM重建框架[1]無需相機標定信息，僅利用序列圖像特征的內在約
西北工業(yè)大學學報 2016年4期2016-07-25
- 一種基于MATLAB圖像邊界提取算法
邊界特征提??；像素點數(shù)字圖像處理技術最早出現(xiàn)于20世紀50年代，經(jīng)過半個多世紀的發(fā)展,已經(jīng)廣泛地應用于工業(yè)、遙感、醫(yī)療保健、航空航天、軍事等各個領域,在國民經(jīng)濟中發(fā)揮著越來越大的作用[1-2].圖像邊緣的識別精度將直接影響測量的精度[3]，因此，如何獲取高精度的圖像邊緣已經(jīng)成為幾何量精密測量領域的熱門話題，國內外學者提出很多圖像邊緣的提取方法，但是這些算法大多過于復雜，運算量大，不利于實時處理[4-6].為了能夠準確快速的提取邊界輪廓，本文出了一種利用MA
吉林化工學院學報 2015年11期2016-01-31
- 基于達芬奇平臺的運動目標跟蹤算法
e 算法中每個像素點都具有各自的背景模型，且使用第1 幀圖像即可完成背景模型的初始化。假設像素點的背景模型由N(N 一般取值為20)個樣本構成，即背景模型可以表示成S={s1，s2，…，sN}，則在該像素點的L ×L(L 一般取值為5)的鄰域內隨機選取N 個像素點的顏色值作為該像素點的背景模型，即S，遍歷完圖像中所有像素點，即可完成背景模型的初始化。可以看出Vibe 算法的背景模型初始化過程非常簡單，容易實現(xiàn)。Step2 前景提取和背景模型更新。背景模型初
計算機與現(xiàn)代化 2015年10期2015-11-25
- 四倍清晰度 1ms極速顯示
精細的將每一個像素點分成4個像素點，重新組合后的畫面，就像iPhone所配備的Retina屏幕一樣，用四個超精細像素點合成一個常規(guī)的像素點，讓畫面更加清晰銳利，不會再有“馬賽克”現(xiàn)象。除了四倍于1080P的超精細畫質以外，AOC U2868PQU顯示器還支持一般只有專業(yè)電競顯示器才支持的1毫秒極速響應時間。從硬件設計的角度有效降低了拖影對第一人稱射擊和賽車等高速游戲的干擾。對游戲玩家來說，戰(zhàn)場瞬息萬變，只有比其他對手更清晰的判斷敵人的行蹤，才能更加從容的取
數(shù)字家庭 2014年7期2015-03-18
- 基于圖像塊間像素特征的隱寫算法設計與實現(xiàn)＊
式.由于圖像塊像素點自身的特點和人眼對圖像像素細微變化的不明顯性，使得在圖像塊中插入隱寫信息成為可能.目前在圖像塊中植入隱寫信息的研究很多，所提出的相關算法也很多，比如經(jīng)典的LSB算法.由于圖像的像素點最低位的變化對人眼視角效果影響不明顯，因此在圖像隱寫算法中，基于最低像素位的隱寫算法是一種非常經(jīng)典的圖像隱寫算法.在基于最低像素位嵌入隱寫信息的算法基礎上，也發(fā)展形成了若干種新的改進性的隱寫算法.然而在研究圖像隱寫算法時，更多的是考慮像素點與像素點之間的相互
廣西民族大學學報(自然科學版) 2015年4期2015-01-15
- 一種高效視頻編碼插值濾波VLSI架構設計
用于ME的分數(shù)像素點預測中。對于亮度插值，其精確度是1/4像素，所以總共有15個位置的像素值需要被計算出來。對于8×8子塊的預測，最多需要16×16的參考像素。相比H．264/AVC標準中使用的6抽頭濾波器［6］，8抽頭濾波器在硬件實現(xiàn)時將花費更多的面積。因此，設計一個高效的內插值濾波器VLSI架構對于實時實現(xiàn)高品質的視頻是必要的。本文設計一個內插值濾波器VLSI架構。為便于VLSI實現(xiàn)，提出一種快速內插值濾波算法［7］，將所有的4×8，4×16和12×1
計算機工程 2015年4期2015-01-02
- 實時DSP圖像處理高斯濾波優(yōu)化
和y表示的是到像素點間的距離,σ為分布函數(shù)，高斯濾波曲線的形狀可以通過改變分布函數(shù)σ來完成。下面以如下5×5大小的高斯模板為例來說明本文的優(yōu)化方法：圖1 高斯低通濾波方法器2 基于DM6446高斯濾波實現(xiàn)及優(yōu)化2.1 數(shù)據(jù)相關性分析高斯濾波器是一種相對簡單的算法，如何充分利用DM6446 DSP良好的并行處理性能，來最快的實現(xiàn)算法是研究的重點。在高斯濾波算法計算過程中，每次像素點的計算都是相關聯(lián)的。比如當前像素點和其周邊各個像素點的計算便有著大量重復計算。
制造業(yè)自動化 2014年24期2014-12-18
- 基于像素點聚類分離的濾波算法
用濾波窗口中心像素點值與窗口中值之間的差值大小，通過與設定的閾值進行比較來判斷噪聲點；文獻[2]提出了基于統(tǒng)計噪聲檢測的中值濾波，該算法考慮到濾波窗口中的噪聲點數(shù)不止一個，又結合像素點之間的相似性，所以先求出除濾波窗口中心像素點之外的其他幾個像素點與中心像素點之間的差值，再選擇最小的四個差值進行統(tǒng)計計算，最后確定出噪聲點并對噪聲點進行濾除；文獻[3-4]提出了基于極值噪聲檢測的中值濾波，該算法主要根據(jù)噪聲點的孤立性和正常像素點之間的相似性，認為噪聲點的像素
計算機工程與應用 2014年5期2014-11-08
- 一種對比度增強的邊緣檢測改進算法及FPGA實現(xiàn)
發(fā)生急劇變化的像素點的集合，圖像的邊緣含有豐富的信息，被廣泛應用在圖像處理以及目標識別等領域［2］。傳統(tǒng)的邊緣檢測算子是利用微分算子對像素灰度級劇烈變化進行檢測從而得到邊緣，如經(jīng)典的Sobel邊緣算子，其結構簡單且運算速度快，但是邊緣往往不夠完整和細致，對于噪聲和光照變化較為敏感，特別是低對比度圖像，提取的邊緣特征往往不明顯［3］。由生理學和光學原理可知，人眼感知的并非物體的絕對亮度，而是不同部位或物體間的相對亮度。因此對比度越強，畫面越易于觀察和鑒別［4
電視技術 2014年15期2014-09-18
- 基于詞袋模型的腦腫瘤MR圖像分割方法
將分割問題看作像素點的分類問題。在基于分類器的分割方法中，圖像特征具有的辨別能力的強弱直接影響著分割結果的好壞，如何提取有效的特征是分類器算法面臨的關鍵問題。針對傳統(tǒng)灰度特征辨別力不強缺乏空間信息，以及傳統(tǒng)紋理特征概括性較弱的不足，我們引入詞袋模型（bag of words，BoW）［15，16］并配合滑動窗口來提取像素點的特征。詞袋模型將圖像看作視覺單詞的集合，由于視覺單詞即對相似的特征具有代表性又對不同的特征具有區(qū)分性，因而將詞典對像素點的表達作為特征
計算機工程與設計 2014年4期2014-02-09
- 每250nm距離安放一個像素點達光學分辨力極限的“最清晰”圖像問世
可以有10萬個像素點，這是光學分辨領域無法超越的理論極限。英國《自然·納米技術》雜志12日在線刊登報告說，新加坡研究人員完成了這樣一幅圖像。這是一幅常用作圖像測試的彩色女子頭像“萊娜”，整幅頭像大小只有50μm見方，它的清晰程度達到光學分辨力的理論極限，即在每250nm距離上安放一個像素點。之所以說這是理論極限，是因為光的衍射性質決定，如果兩個像素點之間的距離低于250nm，它們發(fā)出或反射的光就會互相影響，使圖像模糊。我們在日常生活中也有這樣的經(jīng)驗，如果兩
光學儀器 2012年4期2012-12-28
- 線粒體電鏡圖像二值化增強算法研究
始圖像中，所有像素點可以被劃歸為線粒體或非線粒體成分的邊緣點和內部點.這里非線粒體成分包含粗面內質網(wǎng)、糖原、溶酶體、脂滴以及圖像噪聲.我們將構成原始電鏡圖像的線粒體和非線粒體成分稱為圖像中的對象.經(jīng)觀察，所有位于對象內部的像素點具有共同特征：同一對象的內部像素點的灰度值的差值，明顯小于該對象的邊緣像素點與內部像素點的灰度值的差值.基于這一特征，我們可以設計一種邊緣像素點與內部像素點的分類器，將判定為對象內部區(qū)域的像素點用黑色表示，將判定為對象邊緣區(qū)域的像素
中原工學院學報 2012年2期2012-12-27
- 基于AVS的快速亞像素運動估計算法
到最優(yōu)1/2亞像素點，然后根據(jù)最優(yōu)點和次優(yōu)點判斷最優(yōu)1/4亞像素點，縮小了搜索范圍［3］；基于運動補償誤差的數(shù)學模型快速算法，在得到最優(yōu)整像素點基礎上，利用其與周圍的8個整像素點的運動補償誤差值求出模型系數(shù)，然后利用得到的模型估計分像素位置的絕對誤差和（SAD）值，從而求出最優(yōu)的分像素位置，計算量較大［4］；基于 MSE（均方誤差）的小數(shù)像素運動估計快速算法，利用了二次曲線D（x）＝ax2＋bx＋c在一定范圍內可以取得最小值的特性，從而判斷出最優(yōu)點，計算量
計算機工程與設計 2012年7期2012-07-27
- LED大屏幕質量檢測中的像素點定位方法研究
幕數(shù)以百萬計的像素點，傳統(tǒng)檢測儀器及方法效率低下。而采用CCD面陣檢測器單次測量的像素點數(shù)量可以非常大，在相同的時間內，其具有比其他方法測得更多的數(shù)據(jù)點的能力。測量時間上有了實質性的節(jié)省。因此，采用CCD面陣檢測器的LED測量系統(tǒng)在顯示系統(tǒng)設計和生產(chǎn)的實施與質量保證階段具有巨大的優(yōu)勢。本文基于圖像形態(tài)學處理方法，討論在復雜環(huán)境背景下，以及由于待測屏幕角度等原因造成投影到CCD上呈現(xiàn)的不規(guī)則大屏幕圖像的LED像素點的定位。為下一階段的像素級亮度色度檢測提供可
燈與照明 2012年2期2012-07-26
- 基于幾何分類的自適應圖像插值算法*
分辨率圖像部分像素點;然后劃分高分辨率圖像已知像素點所構成的插值單元;最后，對不同幾何類型插值單元的未知像素分別求解，獲取高分辨率圖像。本文的主要貢獻有以下2點。其一是:根據(jù)初步賦值后的高分辨率圖像的已知像素點和未知像素點的相對位置關系，將插值未知像素點的插值單元分為矩形插值單元和菱形插值單元，保證插值圖像的邊緣走向和寬度，提高插值圖像的質量。其二是:從8個方向分別對兩種插值單元進行幾何分類，最后再根據(jù)每個像素點所屬的相關插值單元進行分類插值，保證圖像邊緣
中山大學學報(自然科學版)(中英文) 2011年4期2011-01-24
- 基于模糊推理的方向中值椒鹽濾波算法
濾波窗口中不同像素點或中心像素點賦予不同的權值來保護細節(jié)，但缺少噪聲點判斷，即將所有的像素點做統(tǒng)一處理，造成了圖像的模糊。后來又出現(xiàn)了一種極大極小值算法[3]，如在畢萍的“一種改進的椒鹽噪聲非線性濾波算法”中將窗口中最大值和最小值附近的像素點視為噪聲點。在一定的區(qū)域內，必然存在最大值和最小值，但不一定是噪聲點，所以該方法缺乏一定的準確性。根據(jù)椒鹽噪聲的特點，董繼揚、張軍英提出了“一種簡單的椒鹽噪聲濾波算法”[4]及劉繼業(yè)和費如純的“一種濾除椒鹽噪聲的改進的
網(wǎng)絡安全與數(shù)據(jù)管理 2010年6期2010-09-29
- 基于中心點預測的分數(shù)像素運動估計改進算法
接預測最佳分數(shù)像素點,但一般情況下整數(shù)像素搜索過程最后采用小菱形模型,只搜索最佳整數(shù)點及其上下左右4個點.W ang等人[4]提出通過鄰近像素值的預測,將分數(shù)像素點進行分組從而減少搜索點.Shen等人[5]提出利用整數(shù)像素點線性擬合分數(shù)像素點,并建立提前退出分數(shù)像素搜索的模型以減少運算量.Du等人[6]提出的PPHPS算法首先利用整數(shù)像素搜索的結果擬合誤差曲面,通過誤差曲面預測最佳分數(shù)像素點的位置,從而省略部分分數(shù)像素點的搜索.Chen等人[7]提出的CB
中南民族大學學報（自然科學版） 2010年1期2010-02-03