OpenCV之摩尔纹

这篇具有很好参考价值的文章主要介绍了OpenCV之摩尔纹。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

摩尔纹

        用数码相机拍摄景物中,如果有密纹的纹理,常常会出现莫名其妙的水波样条纹。这就是摩尔纹。简单的说,摩尔纹是差拍原理的一种表现。从数学上讲,两个频率接近的等幅正弦波叠加,合成信号的幅度将按照两个频率之差变化。差拍原理广泛应用到广播电视和通信中,用来变频、调制等。同样,差拍原理也适用于空间频率。空间频率略有差异的条纹叠加,由于条纹间隔的差异、重合位置会逐渐偏移,也会形成差拍。

 摩尔纹的实现

源码:

void add_moire_noise(Mat& src,Mat& dst,Point center,int degree)
{
    int width = src.cols;
    int heigh = dst.rows;
    for (int y = 0; y < heigh; y++)
    {
        uchar* data = dst.ptr<uchar>(y);
        uchar* data0 = src.ptr<uchar>(y);
        for (int x = 0; x < width; x++)
        {

            Point offset(x - center.x, y - center.y);
            double theta = atan2((double)offset.y, (double)offset.x);
            double rou = sqrt(pow((double)offset.x, 2) + pow((double)offset.y, 2));

            int newX = center.x + rou * cos(theta + degree * rou);
            int newY = center.y + rou * sin(theta + degree * rou);

            if (newX < 0)
                newX = 0;
            else if (newX >= width)
                newX = width - 1;

            if (newY < 0)
                newY = 0;
            else if (newY >= heigh)
                newY = heigh - 1;

            data[3 * x] = 0.8 * data0[3 * x]+ 0.2 * src.at<uchar>(newY, newX * 3);
            data[3 * x + 1] = 0.8 * data0[3 * x + 1]+ 0.2 * src.at<uchar>(newY, newX * 3 + 1);
            data[3 * x + 2] = 0.8 * data0[3 * x + 2]+ 0.2 * src.at<uchar>(newY, newX * 3 + 2);
        }
    }
}

原图:

opencv 摩尔纹,OpenCV,图像视频处理,opencv,人工智能,计算机视觉 

 摩尔纹:

opencv 摩尔纹,OpenCV,图像视频处理,opencv,人工智能,计算机视觉文章来源地址https://www.toymoban.com/news/detail-790122.html

到了这里,关于OpenCV之摩尔纹的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包赞助服务器费用

相关文章

  • opencv 图像和视频处理的基本操作(python)

    opencv 图像和视频处理的基本操作(python)

    原图:   1 图片的获取 主要通过cv2.imread(src)函数进行获取 2 图片的显示 3 ROI区域(图片截取) 4 图片的RGB通道划分 注意cv2.imread()获取的图片通过顺序为BGR,而非RGB,即B为0,G为1,R为2  保留R通道  保留G通道   保留B通道   5 RGB通道合成   6 边界填充 主要是通过cv2.copyMakeBo

    2023年04月21日
    浏览(45)
  • OpenCV-Python中的图像处理-视频分析

    OpenCV-Python中的图像处理-视频分析

    学习使用 Meanshift 和 Camshift 算法在视频中找到并跟踪目标对象: Meanshift 算法的基本原理是和很简单的。假设我们有一堆点(比如直方 图反向投影得到的点),和一个小的圆形窗口,我们要完成的任务就是将这个窗 口移动到最大灰度密度处(或者是点最多的地方)。如下图所

    2024年02月12日
    浏览(12)
  • 【opencv+图像处理】(Gui Features in OpenCV) 1-1摄像头:采集摄像头视频,读取视频帧,录制视频

    【opencv+图像处理】(Gui Features in OpenCV) 1-1摄像头:采集摄像头视频,读取视频帧,录制视频

    本专栏代码总库地址 https://github.com/xiawei20161308104/xv_opencv_tutorials 本节代码路径 xv_opencv_tutorials/VideoRelated/get_started_with_videos.py xv_opencv_tutorials/VideoRelated/get_and_set_video.py xv_opencv_tutorials/VideoRelated/save_video.py 参考官网 https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html 从设备,可以是摄像

    2024年02月03日
    浏览(11)
  • OpenCV图像处理-视频分割静态背景-MOG/MOG2/GMG

    OpenCV图像处理-视频分割静态背景-MOG/MOG2/GMG

    视频背景扣除原理:视频是一组连续的帧(一幅幅图组成),帧与帧之间关系密切(GOP/group of picture),在GOP中,背景几乎是不变的,变的永远是前景。 背景分离(BS)是一种通过使用静态相机来生成前景掩码(即包含属于场景中的移动对象像素的二进制图像)的常用技术 顾名

    2024年02月15日
    浏览(14)
  • 【QT课程设计】五:部分内容修正、利用opencv读入视频并进行部分图像处理

    【QT课程设计】五:部分内容修正、利用opencv读入视频并进行部分图像处理

    导航索引帖 前置文章,课设第四篇 上篇文章中,我们基本完成了图片处理的相关功能要求,本文章将会对前文的一些错误进行修正,并且开始视频部分。 =。=最近博客的更新因为看世界杯耽误了很多,这篇文章打算一次性更新多些内容。 错误描述 前文中,我们并没有考虑到

    2024年02月02日
    浏览(12)
  • Android 短视频直播特效,音视频图像处理 FFmepg OpenGLES OpenCV开发详细内容
  • OpenCV之摩尔纹

    OpenCV之摩尔纹

            用数码相机拍摄景物中,如果有密纹的纹理,常常会出现莫名其妙的水波样条纹。这就是摩尔纹。简单的说,摩尔纹是差拍原理的一种表现。从数学上讲,两个频率接近的等幅正弦波叠加,合成信号的幅度将按照两个频率之差变化。差拍原理广泛应用到广播电视和

    2024年02月01日
    浏览(9)
  • 视频图像处理算法opencv在esp32及esp32s3上面的移植,也可以移植openmv

    视频图像处理算法opencv在esp32及esp32s3上面的移植,也可以移植openmv

    opencv 在 esp32 及 esp32s3 上面的移植 Opencv 简介       OpenCV 是一个基于 Apache2.0 许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在 Linux 、 Windows 、 Android 和 Mac OS 操作系统上,它轻量级而且高效—— 由一系列 C 函数和少量 C++ 类构成,同时提供了 Python 、 R

    2024年02月09日
    浏览(9)
  • 人工智能-OpenCV+Python实现人脸识别(人脸检测)

    在OpenCV中使用Haar特征检测人脸,那么需要使用OpenCV提供的xml文件(级联表)在haarcascades目录下。这张级联表有一个训练好的AdaBoost训练集。首先要采用样本的Haar特征训练分类器,从而得到一个级联的AdaBoost分类器。Haar特征值反映了图像的灰度变化情况。例如:脸部的一些特征

    2024年02月06日
    浏览(50)
  • 人工智能在图像处理领域的应用

    人工智能在图像处理领域的应用

    随着科技的不断发展,人工智能(AI)逐渐成为当今社会的热点话题。人工智能正在逐渐渗透到人类生活的各个领域,改变着我们的生活方式和社会结构。在图像处理领域,人工智能的应用也越来越广泛,为图像处理带来了更高效、更准确的解决方案。本文将从图像分类、图

    2024年02月04日
    浏览(14)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包