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
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。
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。
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。