机器学习之图像处理
针对传统图像处理学习相关知识汇总
浩瀚之水_csdn
路漫漫其修远兮,吾将上下而求索,立刻行动,坚持,努立
展开
-
图像处理之均值滤波介绍及C算法实现
1 均值滤波介绍 滤波是滤波是将信号中特定波段频率滤除的操作,是从含有干扰的接收信号中提取有用信号的一种技术。 均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(如3×3模板:以目标象素为中心的周围8个象素,构成一个滤波模板,即去掉目标象素本身),再用模板中的全体像素的平均值来代替原来像素值。 均值滤波效果:平滑转载 2017-09-23 10:15:05 · 19621 阅读 · 3 评论 -
图像处理之中值滤波介绍及C实现
1 中值滤波概述 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号平滑处理技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。方法是用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为转载 2017-09-23 10:14:03 · 3538 阅读 · 1 评论 -
图像滤波之高斯滤波介绍
1 高斯滤波简介 了解高斯滤波之前,我们首先熟悉一下高斯噪声。高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。如果一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的,则称它为高斯白噪声。高斯白噪声的二阶矩不相关,一阶矩为常数,是指先后信号在时间上的相关性,高斯白噪声包括热噪声和散粒噪声。 高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高转载 2017-09-23 10:06:44 · 2835 阅读 · 0 评论 -
图像处理常用边缘检测算子总结
不同图像灰度不同,边界处一般会有明显的边缘,利用此特征可以分割图像。需要说明的是:边缘和物体间的边界并不等同,边缘指的是图像中像素的值有突变的地方,而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界,也有可能边界的地方并无边缘,因为现实世界中的物体是三维的,而图像只具有二维信息,从三维到二维的投影成像不可避免的会丢失一部分信息;另外,成像过程中的光照和噪声也是不可避免转载 2017-09-23 10:05:49 · 614 阅读 · 0 评论 -
十三种基于直方图的图像全局二值化算法原理、实现、代码及效果。
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来,在很多情况下,也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。这个看似简单的问题,在过去的四十年里受到国内外学者的广泛关注,产生了数以百计的阈值选取方法,但如同其他图像分割算法一样,没有一个现有方法对各种各样的图像都能得到令人满意的结果。 在这些庞大的分类方法中,基于直方图的全局二值算法占有了绝对的市场份额,这些转载 2017-09-23 09:44:53 · 540 阅读 · 0 评论 -
形态学图像处理学习笔记
一、基本概念1. 结构元:研究一幅图像中感兴趣特性所用的小集合或子图像,结构元基本形态是矩形、十字形和椭圆形,其选择和实际情况有关;2.腐蚀:假设我们有一图像A,以及一个结构元B,一个结构元定义一个中心点,B对A的腐蚀就是将结构元B滑过图像A,在图像A中完全包含B的区域。3.膨胀:即B对A的膨胀为,结构元B滑过图像A,膨胀后的图像为所有与结构元B有重叠的图像。4.开运算:先腐蚀后膨原创 2017-10-09 21:04:41 · 644 阅读 · 0 评论 -
灰度图像的腐蚀与膨胀
从实例来演示整个过程,易于理解,这是一个很好的详细的例子。http://hi.baidu.com/lwb198609_love/blog/item/6b3b1f395f8228f315cecb97.html(1)灰度膨胀>>t=rand(7,8);>> t=ceil(t.*256)%t为灰度图像t = 209 125 191 9 168 246 158转载 2017-09-23 09:33:58 · 10776 阅读 · 1 评论 -
深度学习之图像处理---七级浮屠
用深度学习玩图像的 七 重关卡第一个重境界: 图像识别我们进化的方向,也就是用更高级的网络结构取得更好的准确率,比如像下图这样的残差网络(已经可以在猫狗数据集上达到99.5%以上准确率)。分类做好了你会有一种成为深度学习大师,拿着一把斧子眼镜里都是钉子的幻觉。 分类问题之所以简单, 一要归功于大量标记的图像, 二是分类是一个边界非常分明的问题, 即使机器不知道什么是猫什么是狗, 看出点区别...转载 2020-01-19 10:18:51 · 920 阅读 · 0 评论 -
OpenCV 距离变换的笔记
目前正在学习里面有提到距离变换计算,以此笔记记录生活。 距离变换的定义 :计算图像中像素点到最近零像素点的距离,也就是零像素点的最短距离。Mat srcImage = imread("/Users/hanoi/Desktop/hand.jpg",0);Mat dist_image(size,CV_32FC1);distanceTransform(srcImage, dist_image转载 2017-12-29 14:11:35 · 496 阅读 · 0 评论 -
最小二乘法原理及极值点判定
最小二乘法的本质原理 本文主要以最简单的二元线性函数为基础,阐述最小二乘法的原理,事实上,最小二乘法可以更广泛地应用于非线性方程中,但本文以介绍为主,希望能以最简单的形式,使读者能够掌握最小二乘法的意义。在物理实验数据统计时,我们会记录一些数据,记做数据x和数据y。但是,在记录数据后,我们依然不知道x和y 的具体关系。例如,测算男人手掌面积和身高的关系,我们会得到转载 2017-10-29 16:33:57 · 5584 阅读 · 2 评论 -
最小二乘法
一.背景 5月9号到北大去听hulu的讲座《推荐系统和计算广告在视频行业应用》,想到能见到传说中的项亮大神,特地拿了本《推荐系统实践》求签名。讲座开始,主讲人先问了下哪些同学有机器学习的背景,我恬不知耻的毅然举手,真是惭愧。后来主讲人在讲座中提到了最小二乘法,说这个是机器学习最基础的算法。神马,最基础,我咋不知道呢! 看来以后还是要对自己有清晰认识。 回来赶紧上百度,搜了下转载 2017-10-29 16:29:01 · 285 阅读 · 0 评论 -
自适应阈值大津法(OTSU)介绍及代码实现
算法原理最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定法,又叫大津法,简称OTSU。我用最简单的方式解释一下算法原理:这个算法的思想就是假设阈值T将图像分成了前景和背景两个部分。求出这两个部分的类间方差:前景像素个数占比x(前景平均灰度 - 全图平均灰度)2 + 背景像素个数占比x(背景平均灰度 - 全图平均灰度)2将阈值从0~255遍历一次,使上述...转载 2019-11-15 21:16:43 · 1768 阅读 · 0 评论 -
自适应阈值分割(最大类间方差法、大津法、OTSU)
最大类间方差法是由日本学者大津(Nobuyuki Otsu)于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标两部分,或者说,是寻找一个阈值为K,将图像的颜色分为1,2.....K和K+1.....256两部分。如何确定这个阈值K?算法分类的原理是让背景和目标之间的类间方差最大,因为背景和目标之间的类间方差越大,说明构成图像的...转载 2019-11-15 21:10:09 · 4320 阅读 · 0 评论 -
二值图像的距离变换研究
http://blog.csdn.net/trent1985/article/details/18081761[研究内容]二值图像距离变换[正文]二值图像距离变换的概念由Rosenfeld和Pfaltz于1966年在论文[1]中提出,目前广泛应用于计算机图形学,目标识别及GIS空间分析等领域,其主要思想是通过表识空间点(目标点与背景点)距离的过程,最终将二值图像转载 2017-12-29 14:17:21 · 6845 阅读 · 1 评论