lg函数图像(lg函数图像随着x增大)

今天天天来给大家分享一些关于lg函数图像随着x增大方面的知识吧，希望大家会喜欢哦

lg函数图像(lg函数图像随着x增大)

lg函数图像(lg函数图像随着x增大)

1、往往只描出三个点：(0.1, -1) （1,0） （10,1）。

2、（我为了说明问题，故意把刻度没有画均匀）。

3、都是图像处理。

4、1）恢复是一种inverse problem。

5、你不知道图像的真实值（oracle），只有corrupted的observation，你希望尽可能地接近真实值。

6、比如denoising, inpainting, deblocking, 去马赛克等等...由于自己的研究相关，对image reconstruction补充以下内容展开，请选择阅读：目标一般是最小化reconstruction到oracle的距离（例如常用的euclidean distance）。

7、有客观的metric（例如PSNR，MSE）用于衡量恢复的质量。

8、也会参考主观的视觉效果（参考Visual Quality Assesent的一些研究）。

9、设x是真实值，y是观察值，那么已知y，求x的过程就称为恢复reconstruction。

10、如果y = x + n，n是噪声(这里特指additive noise），这样的问题就是denoising。

11、如果对于部分像素点i：y(i) = x(i)，剩余像素点j：y(j) = 0或者wrong value，这样的问题就是inpainting（或者可以认为是matrix completion）。

12、这类问题统属于inverse problem，而且是ill-ed的：因为只知道y，x没有解（你可以想象是中学的时候，只告诉你一个方程，但解3个未知数那样）。

13、要想得到的true solution，你就需要利用图像自身的特性，或者某些piror rmation。

14、常见手段有一下几种：a）利用的oothness，在某一些domain下sparsity或者dimension reduction来做regularizer（DCT/Welet shrinkage，PCA，Dictionary/Transform learning）b）利用空间的自相似性（spatial patch self-similarity），以及噪声或者干扰的已知模型来做estimation（Non-local Mean Filtering, BM3D）c）利用类似图像的库（image corpus），训练stochastic model来做estimation（GMM training）在恢复的时候一般利用其中之一，也可以是某几种的combination来作。

15、1）增强是你知道真实值（不一定是所谓的目标真实值，只是处理时当做ground truth），但你希望进一步处理，来达到视觉上的某些特定要求。

16、比如调节亮度（lighter/darker），对比度（contrast）；比如锐化或者其他特定的filtering。

本文到这结束，希望上面文章对大家有所帮助。