1回答
我正在尝试写一个程序(练习C++)，它可以检测图像的边缘。我正在使用SFML来加载图像。 我尝试了Sobel操作，但与输出值混淆了。我从当前像素周围的像素中获得强度值，然后将这些值与Sobel-kernel的相应值相乘。这些值相加在一起。我的问题是，输入强度值的范围从0到255，但我的输出值可
浏览 22提问于2019-05-01得票数 0
回答已采纳
我实现了一个Sobel边缘检测器，并提出了一些关于计算边缘方向的问题。其中Gx是sobel核在X方向上卷积的和，Gy是sobel核在Y方向上卷积的和。(注意，在X和Y方向上的sobel核</e
浏览 2提问于2011-09-13得票数 1
回答已采纳
3回答
在图像处理中，正确的归一化方法是什么？我搜索了它，但我有不同的定义。我将试着详细解释每一个定义。核矩阵的归一化
如果归一化是指矩阵(例如卷积滤波器的核矩阵)，通常矩阵的每个值除以矩阵的值之和，从而使矩阵的值之和等于1(如果所有值都大于零)。这是有用的，因为图像矩阵和核矩阵之间的</em
浏览 2提问于2015-11-09得票数 10
回答已采纳
1回答
在研究一种新的方法来检测图像中的线性对象时，我发现了一种将图像转换为怪异的纠缠网络的方法。我的理论是，变换后的图像显示了空间一致性的主要路径。这种分析是否已经在其他图像处理领域或其他应用程序中完成？
我有图像操作的经验来识别图像中的特征，比如边缘或直线，但我从来没有见过这样的事情。该方法基于每个像素周围
浏览 5提问于2019-05-19得票数 0
1回答
在频域向x方向变换sobel算子
、、、、
我实现了代码，但是我并没有得到x方向的渐变图像。
翻转内核后的图像：如果您注意到，第二个图像是相同的，由ImageKernel过滤器从枕头库。另外，有一点要注意的是，如果我把Sobel内核应用到y方向，我就不需要翻转内核了，我得到了正确的图像。这是我的密码：from scipy import misc
from scipy import ff
浏览 0提问于2019-03-04得票数 2
2回答
仅计算强度降低的边
、、、、
我想要在我的图像中找到边缘，特别是从明到暗的强度的垂直变化。这个是可能的吗？我在OpenCV中使用的是Canny/Sobel边缘检测器，但它们会在强度增加的地方拾取边缘，这是我不想要的。
浏览 0提问于2014-08-28得票数 1
1回答
我正在尝试用python计算一个3d sobel滤波器。我有一个非常好的二维图像代码，如下所示。 dx = ndimage.sobel(preSobel, 0) # horizontal derivativedy = ndimage.sobel(preSobel, 1) # vertical derivative
mag = nump
浏览 0提问于2012-06-30得票数 4
回答已采纳
8回答
我有一项任务要实现Sobel滤波器，你知道，这是一种用于边缘检测的图像处理滤波器。但不幸的是，我没有在图像处理领域的经验，以至于我甚至不知道图像是如何用计算机表示的。在这个领域完全没有知识。我很高兴知道你的建议，或有任何特定的论文，PDF，教程或快速指南，为此目的。编辑：
谢谢大家:)我们的工作成果可以从下载。
浏览 10提问于2013-07-23得票数 31
我想使用OpenGL ES 2.0制作一个着色效果，它看起来像这样的图像：我不确定这个图像是被绘制的，还是某些过滤器的结果，但是我想要创建一个能产生类似图像的着色器。我想知道一个阴影阿尔戈里特姆生产这种输出！
浏览 0提问于2013-01-15得票数 5
回答已采纳
1回答
我知道输入(比如说一幅图像)是通过CNN向前传递的，它是复杂的，并且是向下采样的。然后，在一个完全连接的层，分配一个标签，给出它产生的最终权重。在这个过程中，过滤器是从哪里学到的？我不明白滤波器是如何从高斯噪声到线、角和颜色的。那么，我想这些过滤器将显式地写到一个文件中进行测试，对吗？
浏览 2提问于2017-01-11得票数 2
1回答
如何创建Python卷积内核？
、、、、
我正在尝试创建一个卷积内核，中间部分是1.5。不幸的是，我一直在思考如何做到这一点。我试着创造出类似于此的东西 [0 , 1 , 0] [0 , 1 , 0]
]
浏览 1提问于2019-10-14得票数 8
回答已采纳
1回答
我知道有多种方法可以做到这一点(包括Sobel和其他过滤器)。我的问题是关于Tensorflow实现图像梯度。 [1. 1. 1. 1. 0.]],dx = [[[[-8., -8., -8.],
有办
浏览 3提问于2020-11-29得票数 0
回答已采纳
Gx = [-1 0 1 -1 0 1]
0 0 0我知道这些是平滑滤波器和梯度的组合，但是它们如何组合才能得到这个输出呢？
浏览 7提问于2014-04-07得票数 1
1回答
在第一阶段，在输入卷积神经网络(输入层)时，我们接收到一个源图像(即手写英文字母的图像)。首先，我们使用一个从左到右的nxn窗口来扫描图像和在核上进行乘法(卷积矩阵)来建立特征映射。但是没有写到内核应该有什么确切的值(换句话说，关于从n*n窗口检索到的数据应该乘哪些内核值)。用于边缘检测的卷积核上的数据相乘是否合适？有大量的卷积
浏览 2提问于2015-07-08得票数 2
回答已采纳
我对卷积神经网络如何通过其卷积运算学习的理论感兴趣。我认为它学习了(有用的)核，它测量其输入信号之间的相关性。此外，从技术角度看，卷积运算是作为“互相关”来实现的。所以我的假设是对的吗？
浏览 0提问于2021-02-16得票数 3
1回答
如何在图像上应用反褶积方法？
、、、、
这是.Thanks对金德尔和斯蒂芬-范德沃特的一个扩展问题，为了解决前面的问题，我需要了解如何使用python和任何相关的包在图像上应用deconvolution过程。由于我只知道python，您可能想向我展示如何使用python在这个链接中转换MatLab代码，我只对“卷积定理-实践部分”感兴趣，这将是一个很大的帮助。我还需要了解卷积或反卷积方法对图像的作用，我谷歌了一下试图找出它，但是有很多方程我不能完全理解。(1)对d
浏览 0提问于2012-10-24得票数 1
回答已采纳
我知道tensorflow提供了一些处理稀疏张量的方法。例如，当存在稀疏矩阵时，tf.sparse_tensor_dense_matmul比tf.matmul更快。在深卷积网络中，经过训练得到稀疏卷积核。我想知道如何保存卷积核，使tensorflow知道内核是稀疏的？
我看过一些报纸。本文提出了稀疏卷积比传统卷积更有效的计算方法。但是，tf.nn.conv2d并不表示它将比密集<e
浏览 4提问于2017-05-25得票数 2
回答已采纳
2回答
用于检测和平滑水平和垂直边缘的两个操作符如下：[-2 0 2]和[ 0 0 0]但是在谷歌搜索了很多之后，我仍然不知道这些运营商是从哪里来的如果有人能告诉我他们是如何衍生出来的，我将不胜感激。
浏览 1提问于2013-09-09得票数 1
回答已采纳
1回答
我试图让我的头脑在一维卷积-特别是，填充是如何进入它。假设我有一个形状(batch,128,1)的输入序列，并通过以下Keras层运行它：我得到了一个形状(batch,64,32)的输出，但我不明白为什么序列长度从128个减少到64个.我认为padding="same"参数保持输出长度与输入相同吗？我想，只有在str
浏览 11提问于2022-02-16得票数 1
这一层在没有准备好的情况下有很好的记录，我在弄清楚如何正确使用它时遇到了一些麻烦。我正在尝试这样的方法：x = Convolution2D(16, 7, 7, activation='relu', border_modeinput_img)x = d(x)
但是当我试图编写d.output_shape时，我得到了图像的</e
浏览 1提问于2016-08-18得票数 8
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
