灰度图像
-
-
将K均值算法用于图像分割
将K均值算法用于图像分割，输入的是彩色图像，转换为灰度图像进行分割，输出结果为灰度图像.利用灰度做为特征对每个像素进行聚类，由于光照等原因，有时应该属于一个物体的像素，其灰度值也会有很大的差别，可能导致对该像素的聚类发生错误.在分割结果中，该物体表面会出现一些不同于其它像素的噪声点，因此，算法的最后，对结果进行一次中值滤波，以消除噪声，达到平滑图像的作用 -
形态学方法对灰度图像进行处理与分析的技术
以rice．tif为图像实例，介绍用形态学方法对灰度图像进行处理与分析的技术要点，即对灰度图像进行如下操作：去除图像的不均匀背景；用设置阈值的方法(thresholding)将结果图像转换成二值图像；通过成分标记(components labeling)返回图像中的目标对象属性，并计算目标对象的统计数字特征。 -
-
全变分去噪
全变分去噪 J=tv(I，iter，dt，ep，lam，I0) 输入: I - 灰度图像， iter - 迭代次数 [1]， dt - 时间步长 [0.2]， ep - 提升参数epsilon [1]， lam - 保真项 lambda [0]， I0 - 输入噪声图像 [I0=I] ([]中的是缺省值) -
-
-
-
-
