图像处理
文章平均质量分 82
zlingh
大家多多交流我邮箱是zhangping_bnu@qq.com
展开
-
卷积的介绍
最容易理解的对卷积(convolution)的解释_bitcarmanlee的博客-CSDN博客_卷积什么是图像卷积_naruhina的博客-CSDN博客_图像卷积一、项目github地址:bitcarmanlee easy-algorithm-interview-and-practice经常有同学私信或留言询问相关问题,V号bitcarmanlee。github上star的同学,在我能力与时间允许范围内,尽可能帮大家解答相关问题,一起进步。啰嗦开场白读本科期间,信号与系统里面经常讲到卷转载 2022-05-18 01:26:50 · 765 阅读 · 0 评论 -
图像处理的一些概念
关于图像能量:可以看这段话通过观察傅立叶变换后的频谱图,也叫功率图,我们首先就可以看出,图像的能量分布,如果频谱图中暗的点数更多,那么实际图像是比较柔和的(因为各点与邻域差异都不大,梯度相对较小),反之,如果频谱图中亮的点数多,那么实际图像一定是尖锐的,边界分明且边界两边像素差异较大的。也就是说图像的能量其实是图像的中每个像素点和周围像素点的差异变化,整体表现到一幅图像上就是一幅图像是原创 2012-11-07 22:23:03 · 568 阅读 · 0 评论 -
目标跟踪的研究现状和最新资源
http://www4.comp.polyu.edu.hk/~cslzhang/CT/CT.htm通过上面这个网址可以找到很多,而且有demo下载http://vision.ucsd.edu/~bbabenko/project_miltrack.shtmlhttp://cv.snu.ac.kr/research/~vtd/http://gpu4vision.icg.tugraz.at/原创 2012-11-07 22:23:11 · 5654 阅读 · 0 评论 -
图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)这里讨论利用输入图像中像素的小邻域来产生输出图像的方法,在信号处理中这种方法称为滤波(filtering)。其中,最常用的是线性滤波:输出像素是输入邻域像素的加权和。 1.相关算子(Correlation Operator) 定义:, 即 ,其中h称为相关核(Kernel).转载 2013-12-02 20:41:54 · 1654 阅读 · 0 评论 -
傅里叶变换
图像傅立叶变换的物理意义图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。如:大面积的沙漠在图像中是一片灰度变化缓慢的区域,对应的频率值很低;而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域,对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义,设f是一个能量有限的模拟信号,则其傅立叶变换就表示f的谱。从纯粹的数学意义上看,傅立叶变换是将一个函数转原创 2012-11-07 22:22:57 · 514 阅读 · 0 评论 -
图像傅立叶变换的物理意义
图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。如:大面积的沙漠在图像中是一片灰度变化缓慢的区域,对应的频率值很低;而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域,对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义,设f是一个能量有限的模拟信号,则其傅立叶变换就表示f的频谱。从纯粹的数学意义上看,傅立叶变换是将一个函数转换为一系列转载 2013-12-02 23:49:00 · 2041 阅读 · 0 评论 -
图像处理-线性滤波-3 高斯滤波器
对于图像来说,高斯滤波器是利用高斯核的一个2维的卷积算子,用于图像模糊化(去除细节和噪声)。1. 高斯分布一维高斯分布 , 二维高斯分布 2.高斯核理论上,高斯分布在所有定义域上都有非负值,这就需要一个无限大的卷积核。实际上,仅需要取均值周围3倍标准差内的值,以外部份直接去掉即可。 如下图为一个标准差为1.0的整数值高斯核转载 2013-12-02 21:11:37 · 1955 阅读 · 0 评论 -
图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子)
更复杂些的滤波算子一般是先利用高斯滤波来平滑,然后计算其1阶和2阶微分。由于它们滤除高频和低频,因此称为带通滤波器(band-pass filters)。在介绍具体的带通滤波器前,先介绍必备的图像微分知识。1 一阶导数连续函数,其微分可表达为 ,或 (1.1)对于离散情况(图像),其导数必须用差分方差来近似,有原创 2013-12-02 21:19:02 · 4002 阅读 · 0 评论 -
有限差分法求导
数字图像处理中,经常遇到求导的情况,但是我们的数字图像都是离散变量,因此无法直接对其求导,我们只能对其近似求导,所以此时我们可以采用有限差分求导对其近似求解有限差分法以变量离散取值后对应的函数值来近似微分方程中独立变量的连续取值。在有限差分方法中,我们放弃了微分方程中独立变量可以取连续值的特征,而关注独立变量离散取值后对应的函数值。但是从原则上说,这种方法仍然可以达到任转载 2013-12-02 20:48:15 · 14304 阅读 · 2 评论 -
机器视觉中常用的数据测试集
计算机视觉数据集WallFlower dataset: 用于评价背景建模算法的好坏. Ground-truth foreground provided. Foreground/Background segmentation and Stereo dataset: from Microsoft Cambridge. VISOR: Video Surveillance Online R转载 2013-01-03 21:55:03 · 1280 阅读 · 0 评论 -
行人检测(Pedestrian Detection)资源
一、论文综述类的文章[1]P.Dollar, C. Wojek,B. Schiele, et al. Pedestrian detection: an evaluation of the state of the art [J].IEEE Transactions on PatternAnalysis andMachine Intelligence, 2012, 34(4): 74转载 2013-01-03 21:51:13 · 3513 阅读 · 2 评论 -
图像算法,模版匹配
1.opencvhttp://www.cnblogs.com/skyseraph/archive/2011/03/29/1998681.html CV_TM_SQDIFF平方差匹配法:该方法采用平方差来进行匹配;最好的匹配值为0;匹配越差,匹配值越大。 CV_TM_CCORR 相关匹配法:该方法采用乘法操作;数值越大表明匹配程度越好。 CV_TM_CC原创 2012-11-07 22:25:20 · 2406 阅读 · 0 评论 -
运动目标检测、阴影检测及目标跟踪中用得到的标准测试视频下载(大量IBM提供视频)
http://blog.163.com/jw_67/blog/static/136199256201039104624436/在搜测试视频时,找到andrew31在ilovematlab论坛中分享的网址链接。我转载于此,并做出详细介绍,方便大家以后使用!1. PETS2001的测试视频http://www.filewatcher.com/b/ftp/ftp.cs转载 2012-11-09 14:08:55 · 1114 阅读 · 0 评论 -
特征匹配
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算法的原创 2012-11-07 22:23:57 · 918 阅读 · 0 评论 -
sift特征
Sift算法就是用不同尺度(标准差)的高斯函数对图像进行平滑,然后比较平滑后图像的差别,差别大的像素就是特征明显的点。sift可以同时处理亮度,平移,旋转,尺度的变化,利用特征点来提取特征描述符,最后在特征描述符之间寻找匹配原创 2012-11-07 22:23:09 · 364 阅读 · 0 评论 -
运动目标检测跟踪各过程算法综述【…
图像预处理数字图像中的几种典型噪声有:高斯噪声来源于电子电路噪声和低照明度或高温带来的传感器噪声;椒盐噪声类似于随机分布在图像上的胡椒和盐粉微粒,主要由图像切割引起或变换域引起的误差;加性噪声是图像在传输中引进的信道噪声。一般来说,引入的都是加性随机噪声,可以采用均值滤波、中值滤波、高斯滤波等方法去除噪声,提高信噪比。均值滤波在噪声分布较平均,且峰值不是很高的情况下能够得到较好的应用;原创 2012-11-07 22:22:59 · 1282 阅读 · 0 评论 -
关于卷积,福利叶变换,图像处理关…
卷积http://blog.sina.com.cn/s/blog_4b700c4c0102dyw6.html福利叶变换:1:傅里叶变换就是将一个信号的时域表示形式映射到一个频域表示形式,2:换句话说,傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。3:卷积定理:时域卷积等于频域乘积;时域乘积等于频域卷积(附加原创 2012-11-07 22:22:54 · 1127 阅读 · 0 评论