Rocky的部落格

Sobel算子

基礎理論: Sobel算子是一種用於邊緣檢測的卷積算子。它計算圖像的一階導數，用於捕捉圖像的強度變化。Sobel算子有兩個方向：水平和垂直。這兩個方向的算子可以分別用於計算水平和垂直的梯度。

圖像（邊緣）銳化：Laplacian 銳化

基礎理論: Laplacian銳化是一種使用Laplacian算子來突顯圖像邊緣的方法。Laplacian是一個描述二階導數的算子，它可以捕獲圖像強度的快速變化，這通常對應於邊緣。Laplacian銳化的基本思想是將Laplacian的輸出添加到原始圖像上，以增強邊緣和其他高頻部分。

圖像（邊緣）銳化：梯度銳化

基礎理論: 梯度銳化是一種基於圖像的梯度來增強邊緣的方法。圖像的梯度代表了圖像的方向變化率或強度變化，並且在邊緣上有很高的值。通常，一個簡單的方法是使用Sobel算子或Prewitt算子來計算圖像的水平和垂直梯度，然後合併這兩個梯度來獲得最終的銳化圖像。

圖像平滑/降噪: 雙邊濾波

基礎理論: 雙邊濾波是一種非線性濾波技術，特別適合於同時進行邊緣保留的圖像平滑。它考慮到兩種權重：一個基於空間接近度 (與中心像素的距離)，另一個基於像素值的相似性 (例如，顏色強度的差異)。這兩個權重組合起來確保了邊緣不被模糊，同時還能有效地平滑圖像。

圖像平滑/降噪: 高斯濾波

基礎理論: 高斯濾波是一種線性濾波技術，用於平滑圖像並降低噪聲。它的工作原理是使用高斯函數對圖像進行加權平均，其中中心像素的權重最大，並且隨著與中心像素的距離增加而遞減。這可以確保邊緣和細節在平滑過程中得到保留，同時去除噪聲。

圖像平滑/降噪: 非線性均值濾波

基礎理論: 非線性均值濾波是一種基於區域的濾波方法，它結合了像素間的空間和像素值的相似性。其基本思想是：對於每個像素，只考慮其鄰域內與其相似的像素來計算新的像素值。這意味著，對於每個像素，其鄰域大小是可變的，取決於有多少像素與中心像素相似。

圖像平滑/降噪: 中值濾波

基礎理論: 中值濾波是一種非線性的圖像平滑技術。它運作的方式是將每個像素值替換為其鄰域內像素值的中值。這種方法對於去除鹽和胡椒噪聲非常有效，因為這種噪聲通常表現為單一的亮或暗的離群值，而中值濾波可以有效地移除這些離群值。

圖像平滑/降噪: 加權平均法

基礎理論: 加權平均法是一種圖像平滑技術，與鄰域平均法相似，但在計算平均值時給予不同的像素不同的權重。通常，中心像素的權重會比鄰域像素大。其中最熱門的加權平均法是使用高斯核 (Gaussian kernel)。

圖像平滑/降噪: 鄰域平均法

基礎理論: 鄰域平均法是一種基本的圖像平滑技術，主要用於降低圖像中的噪聲。其原理是利用像素及其鄰域內的其他像素的平均值來取代該像素的值。這樣做可以減少高頻噪聲，但也可能使圖像失去一些細節。

次像素 (sub-pixel) 是一種技術，主要用於增強圖像的解析度。在數位影像處理中，一個像素通常是最小的單位，但是有時我們希望在不增加真實像素的情況下，獲得更精確的位置或顏色資訊。次像素技術允許我們做到這一點。

原理: 次像素技術的核心是使用數學插值方法（如双线性插值或双三次插值）來估計像素間的值。這種方法對於精確的邊緣檢測、影像放大或者影像對齊等應用特別有用。