Onde: (K pode ser considerado constante)
* Imagens degeneradas img01.pgm, img02.pgm, img03.pgm, img04.pgm, img05.pgm, img06.pgm, img07.pgm, img08.pgm, img09.pgm, img10.pgm, img11.pgm, img12.pgm, img13.pgm, img14.pgm, img15.pgm, img16.pgm, img17.pgm, img18.pgm, img19.pgm, img20.pgm, img21.pgm, img22.pgm, img23.pgm, img24.pgm, img25.pgm,img26.pgm, img27.pgm
* Função def wiener(f,n,k): from Numeric import zeros m = 1.*ones((n,n))/(n*n) . . . M = imdft(me) #me é m com zeros ao redor até as dimensões de f R = (1/M)* ... . . . G = F * R g = abs( imidft(G) ) return g Entrada: f: imagem de entrada corrompida em níveis de cinza (20 bits) n: tamanho do filtro de espacial de média (n linha e n colunas) k: relação ruído-sinal (pode ser constante) Saída: g: image
| Attributes | Values |
|---|
| rdfs:label
| - LAPIS/Disciplinas/Processamento de Imagens:FiltroWiener
|
| rdfs:comment
| - Onde: (K pode ser considerado constante)
* Imagens degeneradas img01.pgm, img02.pgm, img03.pgm, img04.pgm, img05.pgm, img06.pgm, img07.pgm, img08.pgm, img09.pgm, img10.pgm, img11.pgm, img12.pgm, img13.pgm, img14.pgm, img15.pgm, img16.pgm, img17.pgm, img18.pgm, img19.pgm, img20.pgm, img21.pgm, img22.pgm, img23.pgm, img24.pgm, img25.pgm,img26.pgm, img27.pgm
* Função def wiener(f,n,k): from Numeric import zeros m = 1.*ones((n,n))/(n*n) . . . M = imdft(me) #me é m com zeros ao redor até as dimensões de f R = (1/M)* ... . . . G = F * R g = abs( imidft(G) ) return g Entrada: f: imagem de entrada corrompida em níveis de cinza (20 bits) n: tamanho do filtro de espacial de média (n linha e n colunas) k: relação ruído-sinal (pode ser constante) Saída: g: image
|
| dcterms:subject
| |
| abstract
| - Onde: (K pode ser considerado constante)
* Imagens degeneradas img01.pgm, img02.pgm, img03.pgm, img04.pgm, img05.pgm, img06.pgm, img07.pgm, img08.pgm, img09.pgm, img10.pgm, img11.pgm, img12.pgm, img13.pgm, img14.pgm, img15.pgm, img16.pgm, img17.pgm, img18.pgm, img19.pgm, img20.pgm, img21.pgm, img22.pgm, img23.pgm, img24.pgm, img25.pgm,img26.pgm, img27.pgm
* Função def wiener(f,n,k): from Numeric import zeros m = 1.*ones((n,n))/(n*n) . . . M = imdft(me) #me é m com zeros ao redor até as dimensões de f R = (1/M)* ... . . . G = F * R g = abs( imidft(G) ) return g Entrada: f: imagem de entrada corrompida em níveis de cinza (20 bits) n: tamanho do filtro de espacial de média (n linha e n colunas) k: relação ruído-sinal (pode ser constante) Saída: g: imagem restaurada em níveis de cinza (8 bits)
* Referência Filtro de Wiener - Wikipédia (em inglês)
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)