标签：像素点 filter frequency 班课 变化 补齐 图片

1. 用spatial filters处理图片边缘部分时，由于没有足够的邻居所以需要补齐，方法有

a) zero:用0补齐

b) constant:用一个特定的值补齐

c) clamp:重复边缘上的值

d) wrap:从相反方向copy

e) mirror:镜像copy，把边界下面的一行翻上去

2. 傅里叶变化核心思想：任何一个单变量函数都可以被一组不同频率的正余弦加权求和表示

3. 到目前位置的操作全是spatial domain，对图片内的像素进行变化，而frequency domain即对经过傅里叶变化之后的谱图进行变化二者可以进行等价变化

4. high frequency: 图像本身发生急剧变化的部分

low frequency: 图像本身变化缓慢甚至不变的部分

5. 用H(u,v)对频率进行表示，空间域用h(x,y)表示

6. Fourier Series：若一个函数下方的面积是有限的，则可由正余弦表示

7. 

 对连续变量采样可以得到离散变量(discrete fourier transform)，因为采样特性，会有一个1/M的存在，它只要出现在Fourier pairs中就可以

8. 2D discrete fourier transform中，MN分别为一维和二维中取样的数量，同样1/MN出现在哪里都可以

9. Notch Filter: 将平均值设为0，其他设为1

10. 低频可以通过是一个lowpass filter，即图片中的噪声及边角的影响会被减少，图片变模糊；反之highpass filter锐化程度提高

11. DoG为highpass filter

12. image pyramid: 从上到下，像素点数量逐渐增加；在像素低的地方对整体进行分析，而细节在像素点多的地方进行分析

标签：像素点,filter,frequency,班课,变化,补齐,图片
来源： https://www.cnblogs.com/eleni/p/12499887.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。