第589章 擇日不如撞日(第2/2 頁)

哪怕進行研究生面試時第一次面對導師時也沒有這種感覺。

“你們這是在處理病毒浸染實驗資料？”陸時羨只是看了一眼，然後不假思索地問道。

三人互相張望一眼，一齊回頭。

陳遠喬率先回道：“是的，陸神！\"

陸時羨連忙擺擺手：“你們做你們的，不用管我，我就隨便看看。”

話說到這裡，氣氛似乎就要冷落下來。

龐龍忽然笑著開口道：“偶像，來都來了，好不容易來一趟，要不指點指點一手？”

陸時羨眉頭一揚，顯然沒想到有人會cue他。

到了他這個學術榮譽，顯然沒有人會有膽子向他進行刁難和詰問。

所以，這是一場正常的學術討教。

陸時羨笑了笑：“你們現在用的是空域畫素特徵去噪演算法來處理影象？”

三人一齊點頭。

目前常見的實驗影象去噪演算法基本就是空域畫素特徵去噪演算法和變換域去噪演算法，前者是直接在影象空間進行處理，而後者是間接地在影象變換域中進行處理。

而空域畫素特徵去噪演算法主要針對的是隨機噪聲。

隨機噪聲其實是聲學或是無線電領域的術語，但在生物工程、水聲探測、影象處理、地底勘探、訊號處理、無線通訊、光纖通訊等諸多領域都有廣泛應用。

較之於影象的真實訊號而言，它就是一種或高或低呈現出不確定變化的訊號。如果前者是座標軸上的一條軸線，那所有的隨機噪聲訊號就是隨機的不規則函式，但它們求和後結果為0。

基於這個零和特點，目前絕大多數的空域降噪演算法都是以這個理論為出發點來進行降噪處理。

此時，陸時羨走近一步，仔細了看了兩眼，有些訝異道：”不錯啊，沒有使用簡單的算術均值鄰域濾波與高斯鄰域濾波，也沒有用統計中值鄰域濾波和雙邊鄰域濾波。“

“反倒使用了效率更低而且速度更慢的非區域性均值濾波演算法，但它的優點也更明顯，能夠基於整張影象進行去噪，去掉影象裡的高斯噪聲。”

“現在很多人對實驗影象處理都是達到最低標準，勉強能用就行，你們這個研究態度很不錯嘛！“

龐龍只是訕訕一笑：”陸神言笑了，我們哪有這覺悟？NLm演算法的恐怖我們又不是知道，要不是老曾頭硬要我們用，我們哪會費這大力氣。“

”你是不知道他有多誇張，明明兩個小時就能完成的任務，在他這裡，我們至少要完成兩三倍的工作量。”

“最關鍵的是還出力不討好。”