我有多个仪表的彩色图像。我应用自适应高斯阈值使过滤器成为图像,使刻度和针更突出。
对于上述阈值,我使用了 start node root {
do {
#connectSafe("<PHONE_NUMBER>"); //make Dasha call your IVR
}
transitions {
step2: goto step2 on #messageHasIntent("press_one"); //use conversational AI to understand that IVR says "press one to ..."
}
}
node step2 {
do {
#sendDTMF("1"); //make selection by sending DTMF code
}
transitions {
step3: goto step3 on #messageHasIntent("press_two");
}
}
node step3 {
do {
#sendDTMF("2");
}
}
//etc......
。 (21,2) 似乎总体上处理图像最好。
然而,当规范图像太暗时,adaptThresh(21,2) 会产生很多噪音
增加内核大小(adaptiveThreshold 参数)过滤椒盐噪声并生成我想要的图像。
我希望能够确定图像中有多少高斯(盐和胡椒)噪声,以便如果噪声过多,我的算法将增加过滤器大小。在这种情况下,衡量噪声量的好指标是什么?
答案 0 :(得分:0)
一种流行的方法是考虑图片的“衍生物”,或者换句话说,图片“变化”了多少。一种流行的方法是使用 Total-Variation。在离散域中有很多方法可以定义它,但最终它们归结为相邻像素绝对差的(加权)总和。这意味着,如果图像包含均匀亮度的大区域(具有“短”边界),则您的总变化很小,而嘈杂或高频图像的值会很大。
所以测量噪声的一种简单方法就是测量总变化,如果它高于某个阈值,您可以尝试增加过滤器尺寸。