【图文】数图--图像的基本运算_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
数图--图像的基本运算
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢&图片减去均值后，再进行训练和测试，会提高速度和精度。因此，一般在各种模型中都会有这个操作。
那么这个均值怎么来的呢，实际上就是计算所有训练样本的平均值，计算出来后，保存为一个均值文件，在以后的测试中，就可以直接使用这个均值来相减，而不需要对测试图片重新计算。
一、二进制格式的均值计算
caffe中使用的均值数据格式是binaryproto, 作者为我们提供了一个计算均值的文件compute_image_mean.cpp，放在caffe根目录下的tools文件夹里面。编译后的可执行体放在 build/tools/ 下面，我们直接调用就可以了
# sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto
带两个参数：
第一个参数：examples/mnist/mnist_train_lmdb， 表示需要计算均值的数据，格式为lmdb的训练数据。
第二个参数：examples/mnist/mean.binaryproto， 计算出来的结果保存文件。
二、python格式的均值计算
如果我们要使用python接口，或者我们要进行特征可视化，可能就要用到python格式的均值文件了。首先，我们用lmdb格式的数据，计算出二进制格式的均值，然后，再转换成python格式的均值。
我们可以编写一个python脚本来实现：
#!/usr/bin/env python
import numpy as np
import sys,caffe
if len(sys.argv)!=3:
print "Usage: python convert_mean.py mean.binaryproto mean.npy"
sys.exit()
blob = caffe.proto.caffe_pb2.BlobProto()
bin_mean = open( sys.argv[1] , 'rb' ).read()
blob.ParseFromString(bin_mean)
arr = np.array( caffe.io.blobproto_to_array(blob) )
npy_mean = arr[0]
np.save( sys.argv[2] , npy_mean )
&将这个脚本保存为convert_mean.py
调用格式为：
# sudo python convert_mean.py mean.binaryproto mean.npy
其中的&mean.binaryproto 就是经过前面步骤计算出来的二进制均值。
mean.npy就是我们需要的python格式的均值。
阅读(...) 评论()他的最新文章
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)如何用程序计算图片某一行的像素数，
[问题点数：80分，结帖人wangyaninglm]
如何用程序计算图片某一行的像素数，
[问题点数：80分，结帖人wangyaninglm]
不显示删除回复
显示所有回复
显示星级回复
显示得分回复
只显示楼主
2014年 总版技术专家分年内排行榜第二
2013年 总版技术专家分年内排行榜第三
2017年9月 VC/MFC大版内专家分月排行榜第二2017年8月 VC/MFC大版内专家分月排行榜第二2017年4月 VC/MFC大版内专家分月排行榜第二2017年3月 VC/MFC大版内专家分月排行榜第二2017年2月 VC/MFC大版内专家分月排行榜第二2016年8月 VC/MFC大版内专家分月排行榜第二2016年7月 VC/MFC大版内专家分月排行榜第二2016年6月 VC/MFC大版内专家分月排行榜第二2015年6月 VC/MFC大版内专家分月排行榜第二
2017年10月 VC/MFC大版内专家分月排行榜第三2017年6月 VC/MFC大版内专家分月排行榜第三2017年5月 VC/MFC大版内专家分月排行榜第三2016年9月 VC/MFC大版内专家分月排行榜第三2016年4月 VC/MFC大版内专家分月排行榜第三2015年4月 VC/MFC大版内专家分月排行榜第三2012年8月 VC/MFC大版内专家分月排行榜第三
2014年 总版技术专家分年内排行榜第二
2013年 总版技术专家分年内排行榜第三
匿名用户不能发表回复！|您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
数字图像处理计算题复习精华版.doc 15页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
数字图像处理计算题复习精华版.doc
你可能关注的文档：
··········
··········
30452计算题复习
直方图均衡化
对已知图像进行直方图均衡化修正例：表1为已知一幅总像素为n=64×64的8bit数字图像（即灰度级数为8），各灰度级（出现的频率）分布列于表中。要求将此幅图像进行均衡化修正（变换），并画出修正（变换）前后的直方图。
原图像灰度级rk 原各灰度级像素个数nk 原分布概率pr(rk)
r0=0 790 0.19
r2=2 850 0.21
r3=3 656 0.16
r4=4 329 0.08
r5=5 245 0.06
r6=6 122 0.03
r7=7 81 0.02
解：对已知图像均衡化过程见下表：
原图像灰度级rk 原各灰度级像素个数nk 原分布概率pr(rk) 累积分布函数sk计 取整扩展sk并 确定映射对应关系rk→sk 新图像灰度级sk 新图像各灰度级像素个数nsk 新图像分布概率ps(sk)
r0=0 790 0.19 0.19 1 0→1 1 790 0.19
0.44 3 1→3 3
r2=2 850 0.21 0.65 5 2→5 5 850 0.21
r3=3 656 0.16 0.81 6 3→6 6 985 0.24
r4=4 329 0.08 0.89 6 4→6
r5=5 245 0.06 0.95 7 5→7 7 448 0.11
r6=6 122 0.03 0.98 7 6→7
r7=7 81 0.02 1.00 7 7→7
画出直方图如下：
（a）原始图像直方图
（b）均衡化后直方图
**以下部分不用写在答题中。
① rk、nk中k = 0，1，…，7
② pr（rk）= nk／n，即计算各灰度级像素个数占所有像素个数的百分比，其中，在此题中n=64×64。
③ ，即计算在本灰度级之前（包含本灰度级）所有百分比之和。
④ ，其中L为图像的灰度级数（本题中L = 8），int[ ]表示对方括号中的数字取整。
⑥ nsk 为映射对应关系rk→sk 中rk所对应的nk之和。
⑦ ，或为映射对应关系rk→sk 中rk所对应的pr(rk)之和。
模板运算 使用空间低通滤波法对图像进行平滑操作
空间低通滤波法是应用模板卷积方法对图像每一个像素进行局部处理。模板（或称掩模）就是一个滤波器，它的响应为H(r,s)，于是滤波输出的数字图像g(x,y)用离散卷积表示为
式中：x，y = 0，1，2，…，N-1；k、l根据所选邻域大小来决定。
具体过程如下：
（1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）；
（2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加；
（3）将（2）中的结果赋给图像中对应模板中心位置的像素。
对于空间低通滤波器而言，采用的是低通滤波器。由于模板尺寸小，因此具有计算量小、使用灵活、适于并行计算等优点。常用的3*3低通滤波器（模板）有：
模板不同，邻域内各像素重要程度也就不同。但无论怎样的模板，必须保证全部权系数之和为1，这样可保证输出图像灰度值在许可范围内，不会产生灰象。
例：以为模板，对下图做低通滤波处理，写出处理结果。
1 7 1 8 1 7 1 1
1 1 1 5 1 1 1 1
1 1 5 5 5 1 1 7
1 1 5 5 5 1 8 1
8 1 1 5 1 1 1 1
8 1 1 5 1 1 8 1
1 1 1 5 1 1 1 1
1 7 1 8 1 7 1 1
（1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）；
（2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加；
（3）将（2）中的结果赋给图像中对应模板中心位置的像素。
如图中第2行第2列处的值 = （1*1+1*7+1*1+1*1+2*1+1*1+1*1+1*1+1*5）/10 = 2
（其他位置同样方法计算可得）
由此步骤可得处理结果为（空白处自己计算后填入）
1 7 1 8 1 7 1 1
1 7 1 8 1 7 1 1
中值滤波与邻域平均
中值滤波（P81）
中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中间值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。
它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线
正在加载中，请稍后...}