可以看出,在图像存储时的这个取整操作,对于后面的图像显示问题不大,可是如果是作为我们要恢复的原材料,可以说取整存储这个动作,简直是毁灭性打击。
![在这里插入图片描述](https://img-blog.csdnimg.cn/2020040416154592.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MDgzNzkx,size_16,color_FFFFFF,t_70)
行文至此,有感而发
2020年来的太特殊了,今天这个特殊的日子,我们缅怀的不只有先祖,还有为我们奋战在抗疫一线以及支持抗疫而做出巨大牺牲的人们。岁月静好,负重前行,我们总是被勇敢而无私的人们保护的很好、很安全。
上敬战死的英烈,下敬涂炭的生灵
使用Matlab的自带函数生成高斯滤波器处理图片(二)续接上文:使用Matlab的自带函数生成高斯滤波器处理图片(一)上文我们使用高斯滤波器在频域完成了对图像的模糊与还原,在还原时我们使用的模糊图片是刚被高斯滤波器所模糊的,接下来,我们尝试将模糊图储存,再将它取出来进行复原看看会有什么不同。图像存储与读取在这里我们将它保存为.jpg格式,由于在之前的操作过程后,图像Img_ifft1 现在...
函数输入: - filter_size: 过滤器的大小- 西格玛:标准偏差函数输出: - 二维高斯滤波器矩阵在 3D 中绘制滤波器矩阵的示例: g1=Gaussian_filter(50,2); g2=Gaussian_filter(50,7); g3=Gaussian_filter(50,11); 图1); subplot(1,3,1);surf(g1);title('filter size = 50, sigma = 2'); subplot(1,3,2);surf(g2);title('filter size = 50, sigma = 7'); subplot(1,3,3);surf(g3);title('filter size = 50, sigma = 11');
//============================1、将输入图像扩展到最佳的尺寸,边界用0补充
int m = CvInvoke.GetOptimalDFTSize(glMain8UC1.Rows);