Renyi熵是對通常的香農熵的擴展,算是q階廣義熵。公式如下: 其中P和香農熵公式中的P一樣,是概率。當q=1時公式退化為香農熵公式。(如何證明?看wiki吧) 有用此公式尋找圖像最佳二值化閾值的。 首先定義前景區域A,背景區域B。 那么前景與背景區域像素相應的Renyi熵就如下定義 ...
今天在看局部熵方面的內容,看論文中介紹的內容感覺局部熵挺容易了,於是就有了實現的想法,結果效果非常糟糕。 得到的幾乎是一張空白的圖片,就像下面一樣: 究其原因是各種論文上都寫了這樣一個公式: 這里f i,j 就是在m n這個局部的像素,這個沒問題,不過這里的p是什么東西,按這里的定義p是當前像素灰度占局部總灰度的概率,而p原本應該是局部直方圖,也就是當前像素灰度個數占局部像素總個數的概率,所以這里 ...
2013-04-11 15:12 4 13150 推薦指數:
Renyi熵是對通常的香農熵的擴展,算是q階廣義熵。公式如下: 其中P和香農熵公式中的P一樣,是概率。當q=1時公式退化為香農熵公式。(如何證明?看wiki吧) 有用此公式尋找圖像最佳二值化閾值的。 首先定義前景區域A,背景區域B。 那么前景與背景區域像素相應的Renyi熵就如下定義 ...
...
一種圖像特征的提取算法。 算法步驟: 1.用3*3的模板對圖像每個像素進行處理,比較當前像素和周圍像素的大小,將大於當前像素的置1,小於的置0。 2.對這周圍八個像素進行編碼,這八個0和1正好是可以組成一個byte數,然后按一定的規則組成這個無符號數。 3.把這個數賦值給當前像素。 4. ...
通常我們使用的最小二乘都需要預先設定一個模型,然后通過最小二乘方法解出模型的系數。 而大多數情況是我們是不知道這個模型的,比如這篇博客中z=ax^2+by^2+cxy+dx+ey+f 這樣的模型。 局部加權線性最小二乘就不需要我們預先知道待求解的模型,因為該方法是基於多個線性函數的疊加,最終 ...
自動聚焦需要評判圖像的模糊或者清晰程度。 當然,真正聚焦還需要配合硬件,我現在已經不搞硬件了,所以也就不去關心那一方面了。 主要有三種評判方法: 1.灰度方差法 評判圖像灰度的變化程度,我先使用了全局灰度方差,不過效果不好。又實驗了局部灰度方差,不過由於運算量的問題,也沒做 ...
對點集重新進行一次柵格化,就能得到沒有空洞的圖像了。 matlab代碼如下: 原圖: ...
最近接觸點雲比較多,如果把圖像投影到點雲應該挺有意思。 首先需要載入圖像,然后做個球或其他什么形狀的點雲,這里可以參考球坐標公式。 最后通過pcshow將像素輸出到點雲上即可。 原圖: 投影后的點雲: 代碼如下: 本篇是參考matlab中pcshow例子寫 ...