登入首頁
收藏 0
返回課程
C++ opencv卷積計算與影像處理實作
  • 物件導向OOP
  • 站在巨人的肩膀上
  • 超簡單C++程式使用Blockly
  • 加入課程請答有
  • 在colab上寫C++.ipynb
  • 如何在colab上撰寫C++程式(219)
  • 小組分組
  • ex1 第一個C++
  • C++程式在colab與visual studo C++實作
  • 說N遍與fstream寫檔案
  • C++說三遍與Blockly開發
  • colab上C++說N遍用loop輸出到文字檔用fstream
  • colab上C++ for-loop& fstream
  • 下載安裝visual Studio 2022撰寫C++
  • ex2 說N遍寫到文字檔
  • 作業解說寫檔用Visual studio C++
  • 從遞迴函數費氏數列開始
  • Colab雲端玩C++測Fibonacci費式數列
  • 費氏數列遞迴雲端CPP
  • Fibonacci費式數列與C++函式pptx
  • ex3 費式數列遞迴版
  • C++遞迴函數與fibonacci費氏數列
  • C++作業遞迴函數實作fibonacci費氏數列於Colab, Leetcode Visual studio與Python版比較
  • 費氏數列與動態規劃top-down
  • 費氏數列與記憶性遞迴
  • fibonacci費氏數列_topdown_DP.ipynb
  • 312測驗
  • C++小考檢討與fibonacci費氏數列top down設計實作
  • Fibonacci_DP_top_down_design pptx
  • 費氏數列與Leetcode 70爬樓梯DP動態規劃
  • C++費氏數列採迴圈陣列或浮點公式計算
  • Fibonacci費式數列、Leetcode 70爬樓梯與動態規劃(319)
  • 費式數列、Leetcode 70爬樓梯與動態規劃pptx
  • ex4 費氏數列與Leetcode 70爬樓梯DP動態規劃
  • 作業Leetcode 70爬樓梯fibonacci費氏數列動態規劃實作
  • C++虛擬亂數Pseudo Random
  • C++的Mt19937 Random算π
  • C_CPP虛擬亂數與算圓周率π.ipynb
  • C++用C rand虛擬亂數、陣列及萬用標頭檔使用
  • mt19937虛擬亂數、不同機率分佈與求圓周率
  • 虛擬亂數與洗牌、大樂透
  • C++ STL中的vector介紹與程式示範
  • C++使用shuffle洗牌陣列
  • C++ random與洗牌shuffle大樂透.ipynb
  • ex5 虛擬亂數之應用
  • C++洗牌shuffle與Fisher Yates演算, 大樂透開獎
  • 邁向OOP
  • C++ class的簡介
  • class_1 pptx
  • C++ class物件初探與實作
  • 期中作業
  • OOP設計解Leetcode洗牌問題
  • C++ oop洗牌解Leetcode 384 Shuffle an Array
  • 挑戰Leetcode
  • ex6 shuffle +LC
  • C++ oop洗牌解Leetcode 384. Shuffle an Array
  • C++ openCV
  • vcpkg安裝openCV,最簡易寫C++影像Lena Hello程式
  • windows上安裝openCV 4 並設定路徑
  • C++ opencv for visual studio 2019
  • 2025安裝C++opencv並秀圖pptx
  • 2025安裝C++ opencv與測試秀圖
  • ex7 安裝opencv與秀圖
  • 簡易opencv C++色階、負片處理
  • 萬用播放class cv::VideoCapture與ROI
  • C++ opencv videoCapture loop vector練習與動畫
  • 2025 opencv C++萬用VideoCapture Class
  • opencv C++選取ROI並以綠階處理
  • ROI矩形Rect座標與矩陣問題
  • ex8 VideoCapture
  • C++ opencv selectROI擷圖與馬賽克
  • 113-2創新教學課程學習成效評量Rubric調查(後測)
  • 卷積Convolution與影像處理
  • opencv C++使用卷積convolution/cross-correlation進行影像處理
  • opencv上如何使用卷積核
  • C++ opencv卷積計算與影像處理實作
  • ex9 卷積處理圖片
  • 用VideoWriter產生影片
  • openCV用類別VideoWriter寫avi檔
  • VLC播放軟體
  • 2025利用opencv C++Videowriter卷積計算寫avi影片
  • 期末作業
  • 期末作業
  • 第二組成品
  • 第三組成品
  • 第一組
  • 第六組|output_emboss
  • 第九組|ezgif-split-run-smooth
  • 第五組
  • 重點
  • 討論 (1)
  • 筆記
發表時間 : 2025-05-29 01:14
觀看次數 : 107
原始資料來自 : https://www.youtube.com/embed/6TdPeJfbJmc?si=sfP-I8t2DC3bidNN
附件
討論功能僅開放給課程成員,請先加入課程
最新的回應 ...more
06-04
D11333034 : 1.拉普拉斯邊緣偵測核(四方向):這種卷積核可以偵測圖片中上下左右的邊緣,適合用來強調物體的基本輪廓。 2.拉普拉斯邊緣偵測核(八方向):比四方向的版本更進一步,能同時偵測斜角方向的邊緣,適合處理細節較多的圖像,邊緣強化效果更明顯。 3.加權型邊緣偵測核:在偵測邊緣的同時,能降低雜訊影響,使圖片不會過度破碎,適合需要平滑效果的邊緣強化處理。 4.銳利化卷積核:透過加強中心像素與周圍像素的差異,達到邊緣與整體細節的強化,讓圖像看起來更清晰、對比更高。
06-04
D11333029 : 1. Laplacian Kernel(拉普拉斯運算子) 強調圖像中快速變化的區域,常用於邊緣檢測與強化。 2. High-pass Filter(高通濾波器) 用來保留高頻資訊(如邊緣),去除平滑區域。 3. Sobel Operator(索貝爾運算子) 雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04
D11333016 : 1.拉普拉斯邊緣偵測核(四方向):這種卷積核可以偵測圖片中上下左右的邊緣,適合用來強調物體的基本輪廓。 2.拉普拉斯邊緣偵測核(八方向):比四方向的版本更進一步,能同時偵測斜角方向的邊緣,適合處理細節較多的圖像,邊緣強化效果更明顯。 3.加權型邊緣偵測核:在偵測邊緣的同時,能降低雜訊影響,使圖片不會過度破碎,適合需要平滑效果的邊緣強化處理。 4.銳利化卷積核:透過加強中心像素與周圍像素的差異,達到邊緣與整體細節的強化,讓圖像看起來更清晰、對比更高。
06-04
D11333020 : 1. Laplacian Kernel(拉普拉斯運算子) 強調圖像中快速變化的區域,常用於邊緣檢測與強化。 2. High-pass Filter(高通濾波器) 用來保留高頻資訊(如邊緣),去除平滑區域。 3. Sobel Operator(索貝爾運算子) 雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04
D11333017 : 1. Laplacian Kernel(拉普拉斯運算子) 強調圖像中快速變化的區域,常用於邊緣檢測與強化。 2. High-pass Filter(高通濾波器) 用來保留高頻資訊(如邊緣),去除平滑區域。 3. Sobel Operator(索貝爾運算子) 雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
安文
不同的3x3卷積核,簡述哪幾個可達到邊緣強化的作用?
06-04 1 樓
顯示先前的回應14 則當中的 3 則
D11333012
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 2 樓
D11333026
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 3 樓
D11333032
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 4 樓
D11333025
可達到邊緣強化的常見 3x3 卷積核包括:Laplacian 核(如 [0 -1 0; -1 4 -1; 0 -1 0])可強調所有方向的邊緣變化;Sharpening 核(如 [-1 -1 -1; -1 9 -1; -1 -1 -1])可提升整體細節與邊緣對比;而 Sobel 與 Prewitt 核則針對水平與垂直方向,適合檢測與強化邊緣輪廓。
06-04 5 樓
D11333001
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 6 樓
D11333027
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 7 樓
d11333006
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 8 樓
D11333019
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 9 樓
D11333022
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 10 樓
D11333017
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 11 樓
D11333020
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 12 樓
D11333016
1.拉普拉斯邊緣偵測核(四方向):這種卷積核可以偵測圖片中上下左右的邊緣,適合用來強調物體的基本輪廓。

2.拉普拉斯邊緣偵測核(八方向):比四方向的版本更進一步,能同時偵測斜角方向的邊緣,適合處理細節較多的圖像,邊緣強化效果更明顯。

3.加權型邊緣偵測核:在偵測邊緣的同時,能降低雜訊影響,使圖片不會過度破碎,適合需要平滑效果的邊緣強化處理。

4.銳利化卷積核:透過加強中心像素與周圍像素的差異,達到邊緣與整體細節的強化,讓圖像看起來更清晰、對比更高。
06-04 13 樓
D11333029
1. Laplacian Kernel(拉普拉斯運算子)
強調圖像中快速變化的區域,常用於邊緣檢測與強化。
2. High-pass Filter(高通濾波器)
用來保留高頻資訊(如邊緣),去除平滑區域。
3. Sobel Operator(索貝爾運算子)
雖然主要用於邊緣檢測,但其輸出結果亦可用於邊緣強化。
06-04 14 樓
D11333034
1.拉普拉斯邊緣偵測核(四方向):這種卷積核可以偵測圖片中上下左右的邊緣,適合用來強調物體的基本輪廓。

2.拉普拉斯邊緣偵測核(八方向):比四方向的版本更進一步,能同時偵測斜角方向的邊緣,適合處理細節較多的圖像,邊緣強化效果更明顯。

3.加權型邊緣偵測核:在偵測邊緣的同時,能降低雜訊影響,使圖片不會過度破碎,適合需要平滑效果的邊緣強化處理。

4.銳利化卷積核:透過加強中心像素與周圍像素的差異,達到邊緣與整體細節的強化,讓圖像看起來更清晰、對比更高。
06-04 15 樓
筆記功能僅開放給課程成員,請先加入課程
Prev
opencv上如何使用卷積核
Next
ex9 卷積處理圖片