WedX - журнал о программировании и компьютерных науках

Как имитировать шумовой пик Гаусса на изображении

У меня есть система, которая выглядит как довольно зашумленное изображение с одним объектом, который выглядит как предположительно пик Гаусса. Я хотел бы написать симулятор среды для проверки алгоритма, но я не могу придумать чистый способ добавить двумерный пик Гаусса в шумовой кадр. Это похоже на то, что я хочу сделать с моим алгоритмом, но мои данные на порядки сложнее получить (событие, создающее данные, происходит только один или два раза в год). Если возможно, я хотел бы использовать OpenCV.

По сути, я спрашиваю, как создать двумерный пик Гаусса в матрице OpenCV.

16.11.2019

Ответы:


1

Вероятно, вы ищете что-то вроде этого:

int ksize = your_gaussian_size_can_be_your_noise_frame_size;
cv::Mat gaussX = cv::getGaussianKernel(ksize, -1, CV_32F);
cv::Mat gaussY = cv::getGaussianKernel(ksize, -1, CV_32F);
cv::Mat gauss2d = gaussX * gaussY.t();

@gauss2d - это то, что вам нужно, если я правильно понял.

16.11.2019
Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]