高性能Linux服务器构建实战运维监控、性能调优与集群应用,所有代码和书中使用的软件包
2022-06-22 11:37:33
125.58MB
1
均值滤波，在卷积形式的均值滤波中，需要把输入图对应模板内所有点像素点相加求平均，代替 原像素点。窗口越大，滤波效果越好，但是图像也变得更加模糊，所以需要根据实际情况设置矩形窗口的大小。
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗 的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的 其他像素值经过加权平均后得到。
高斯滤波的具体操作是：用一个模板 (或称卷积、掩模) 扫描图像中的每一个像素，用模板确 定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。对应均值滤波说，其邻域内每个像素的权重是相等的。而在高斯滤波中，会将中心点的权重值加大，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。
2022-06-20 14:07:28
499KB
立体匹配是立体视觉从图像生成三维点云的常规手段。立体匹配算法主要是通过建立一个能量代价函数，通过此能量代价函数最小化来估计像素点视差值。立体匹配算法的实质就是一个最优化求解问题，通过建立合理的能量函数，增加一些约束，采用最优化理论的方法进行方程求解，这也是所有的病态问题求解方法。
双目立体匹配可划分为四个步骤：匹配代价计算、代价聚合、视差计算和视差优化。
匹配代价计算的目的是衡量待匹配像素与候选像素之间的相关性。两个像素无论是否为同名点，都可以通过匹配代价函数计算匹配代价，代价越小则说明相关性越大，是同名点的概率也越大。匹配代价计算的方法有很多，本课设使用灰度绝对值差（AD，Absolute Differences）。
代价聚合的根本目的是让代价值能够准确的反映像素之间的相关性。上一步匹配代价的计算往往只会考虑局部信息，通过两个像素邻域内一定大小的窗口内的像素信息来计算代价值，这很容易受到影像噪声的影响，而且当影像处于弱纹理或重复纹理区域，这个代价值极有可能无法准确的反映像素之间的相关性，直接表现就是真实同名点的代价值非最小。
视差计算即通过代价聚合之后的代价矩阵S来确定每个像素的最优
2022-06-20 09:08:32
2.57MB
电压比较器是对输入信号进行鉴幅与比较的电路，其功能是比较一个模拟信号和另一个模拟信号(参考信号)，并以输出比较得到的二进制信号。其在A／D转换器、数据传输器、切换功率调节器等设备中有着广泛的应用。在高速度、高精度A／D转换器中，比较器的精度和速度直接影响转换电路的转换精度和转换速度等关键指标；在数据传输器中，比较器的性能对数据传输的误码率有着很大的影响；
2022-06-17 02:37:45
293KB
1