0
点赞
收藏
分享

微信扫一扫

4.1 Bloom算法


一、Bloom算法介绍

1.具体效果

4.1 Bloom算法_卷积

4.1 Bloom算法_权重_02

4.1 Bloom算法_权重_03

2.实现思路

4.1 Bloom算法_计算机视觉_04

  • 先将原图按照一定阈值提取较亮的区域
  • 模糊提取出的图像
  • 将模糊过的图像与原图混合

3.HDR与LDR

  • LDR(Low Dynamic Range,低动态范围)
  • JPG、PNG格式图片
  • RGB范围在[0,1]之间

4.1 Bloom算法_人工智能_05

  • HDR(High Dynamic Rnage,高动态范围)
  • HDR、EXR格式图片
  • RGB范围可在[0,1]之外
  • 实现Bloom过程中提取一亮部的部分阈值更高,能让更亮的区域产生Bloom效果

4.1 Bloom算法_人工智能_06

4.高斯模糊

高斯模娜,它是实现图像模翎的一种方式,它的本质是通过高斯函数去定义一个卷积核,这个卷积被叫做高斯核,再利用这个商斯核对图像进行卷积运算,得到“平消”后的图像,也就是俗称的摸锵

  • 高斯模糊(Gaussian Blur)
  • 一种图像模糊
  • 减少图像噪声、降低细节层次

4.1 Bloom算法_人工智能_07

5.卷积

  • 一种图像操作
  • 需要有一个卷积核

4.1 Bloom算法_算法_08

4.1 Bloom算法_权重_09

6.计算高斯核

  • 高斯核
  • 核中心:(0,0)
  • 核大小:3x3
  • 标准方差σ:1.5

4.1 Bloom算法_算法_10

归一化是指让每个权重除以所有权重的和。

7.二维高斯核特点

  • 计算量大,N*N*W(图片像素宽)*H(图片像素高)
  • 可分离性,可查成两个一维高斯核
  • 可以使那两个一维的高斯核先后对比图像进行卷积,卷积结果与使用二维高斯核进行卷积是一样的,但计算主交力2NVWPH,同时,一雄南斯被中包含了很秒重复的5里。换铜话说。它其有的称余性,对于一个大小为的一维国率节权重值就可以了

4.1 Bloom算法_权重_11


二、Bloom算法应用

4.1 Bloom算法_卷积_12

举报

相关推荐

0 条评论