![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数字图像处理
XDWX
逆水行舟,不进则退。
展开
-
图像卷积与滤波的一些知识点
图像卷积与滤波的一些知识点zouxy09@qq.comhttp://blog.csdn.net/zouxy09 之前在学习CNN的时候,有对卷积进行一些学习和整理,后来就烂尾了,现在稍微整理下,先放上来,以提醒和交流。一、...转载 2018-08-20 21:16:30 · 344 阅读 · 0 评论 -
数字图像处理--图像颜色
我们都知道图像是有颜色的,最常见的颜色表达方式就是RGB,Red(红)、Green(绿)、蓝(Blue),也就是常说的三通道(channel)或者三分量。那么到底什么是颜色呢?有人会说我们看到的物体呈现的红、橙、黄、绿、蓝、紫就是颜色啊。那我们进一步问?为什么晚上在房间里什么颜色都看不见,桌子上的水果盘中,苹果没有呈现出红色,桔子也没有呈现出橙色啊?答案得从物理世界中找,那就是电磁波,更精确点...转载 2019-04-04 11:27:03 · 2582 阅读 · 0 评论 -
数字图像处理--霍夫变换直线检测及原理理解
我们在前面的《图像的颜色选择》、《图像的感兴趣区域》中提到了对车道线的检测。 通过对原始行车图像进行颜色选择和感兴趣区域的提取,得到了如下的车道线: 我们的车道线当然是一左一右两条线。那怎样从这个车道线图像中提取出这2条线呢?这就要谈到“霍夫变换(Hough Transfrom)”。霍夫变换是1972年提出来的,最开始就是用来在图像中过检测直线,后来扩展能检测圆、曲线等。它通过一...转载 2019-04-04 15:31:01 · 3168 阅读 · 0 评论 -
数字图像处理--空间滤波器
前面提到,我们可以用平均或加权平均来降低噪声,以增强图像。前面我们是对像素点的周边8领域进行的操作,要是我们想对周边更多领域进行操作呢?如果我们想要调整加权的权重值呢?那么用前2篇文章中的方法显然是非常烦琐且不灵活的。我们注意到,对8领域进行平均或加权平均操作,实质上是对3×3的一个矩形区域进行操作。如果相邻像素再扩大一圈,就是5×5的矩形区域: 我们前面说:图像就是矩阵,那么这个相邻像...转载 2019-04-05 11:37:02 · 544 阅读 · 0 评论 -
数字图像处理--灰度图转伪彩色图
开篇废话观察了一下冈萨雷斯的书,发现彩色图像处理仅仅用了一章进行介绍,原因分析了一下,后来发现,好像别的介绍的也不多,得出一个结论。冈萨雷斯这本书仅仅能作为一部纲领性的介绍。它基本涵盖了图像处理的基础知识。可是假设想使用某种方向作为工作的话。须要继续找很多其它专业的书和开源项目来学习。还是像我之前抱怨的那样。每次看一本书之前都认为自己看完了会变得超级厉害,但每次看完一本书以后反而会认为自己像个傻...转载 2019-04-07 15:02:17 · 2694 阅读 · 0 评论 -
Lanczos插值,最邻近插值,双线性二次插值,三次插值
[研究内容]目前比较常用的几种插值算法[正文]目前比较常用的插值算法有这么几种:最邻近插值,双线性二次插值,三次插值,Lanczos插值等等,今天我们来对比一下这几种插值效果的优劣。1,最邻近插值最邻近插值算法也叫做零阶插值算法,主要原理是让输出像素的像素值等于邻域内离它距离最近的像素值。例如下图中所示,P1距离0灰度值像素的距离小于100灰度值的距离,因此,P1位置的插值像素为0。这...转载 2019-04-02 16:29:13 · 2153 阅读 · 0 评论 -
数字图像处理-- 图像的统计方法
前面我们提到,用均值滤波器、中值滤波器、高斯滤波器等可以降低图像中的噪声,其副作用是带来了图像模糊。我们降低噪声的目的,当然是为了提高图像的质量,这是“图像增强”的一个重要应用。那图像质量怎么评价呢?这是个不同人有不同见解,比较主观的事情。图像增强从一开始就是建立在特定问题的基础上的。对于不同的特定问题,就需要不同的图像增强方法,其增强后的图像质量当然评价标准也不一样。因此,并不存在“通用”的图...转载 2019-04-03 11:11:27 · 2266 阅读 · 0 评论 -
数字图像处理--图像梯度的基本原理
前面我们提到,当用均值滤波器降低图像噪声的时候,会带来图像模糊的副作用。我们当然希望看到的是清晰图像。那么,清晰图像和模糊图像之间的差别在哪里呢?从逻辑上考虑,图像模糊是因为图像中物体的轮廓不明显,轮廓边缘灰度变化不强烈,层次感不强造成的,那么反过来考虑,轮廓边缘灰度变化明显些,层次感强些是不是图像就更清晰些呢。那么,这种灰度变化明显不明显怎样去定义呢。我们学过微积分,知道微分就是求函数的变化率...转载 2019-04-03 11:27:12 · 4289 阅读 · 0 评论 -
数字图像处理--图像梯度算子的本质
前面我们介绍过图像的梯度,其定义是根据微积分的定义在二维离散函数中推导出来的。但是,我们需要理解,梯度只是一个工具,方法,核心目的是得到像素点与其相邻像素的灰度值变化情况,并通过这种变化来增强图像。这种原始定义的梯度只是这种灰度值变化情况的度量工具。我们再回顾一下,假设某像素与其8领域用如下矩阵表示: 那么,根据图像梯度的定义: gx = z8 - z5 gy = z6 - z5...转载 2019-04-03 11:29:55 · 7084 阅读 · 0 评论 -
数字图像处理--图像ROI
我们在前面的文章《图像的颜色选择》中提到,如下的行车图像,要提取黄色和白色的车道线,通过颜色选择,分别得到了黄颜色的区域和白颜色的区域。下图分别是原始行车图像,白颜色位置图像,黄颜色位置图像: 我们可以用前面提到的《图像位操作》将白颜色位置和黄颜色位置叠加起来。这里就用到了bitwise_or的位操作。import cv2white = cv2.imread("white.png...转载 2019-04-04 11:21:57 · 12635 阅读 · 3 评论 -
数字图像处理--颜色选择
我们来看一个简单的需求,比如说下面这幅图像: 这是一幅公路上的行车图像,假如我们想把车道线提取出来,该怎么办呢?我们观察,发现车道线是黄色的或者白色的。那么我们想到的是可以把行车图像中的黄色颜色和白色颜色提取出来。我们知道,在RGB颜色模式中,白色是[255,255,255],黄色是[255,255,0]。但是行车图像中的白色和黄色可不完全是纯白色和纯黄色。因此,需要在一定的范围内选择。...转载 2019-04-04 10:27:50 · 761 阅读 · 0 评论 -
数字图像处理--引入齐次坐标
前面我们提到了图像的缩放变换和旋转变换,可以用矩阵乘法的形式来表达变换后的像素位置映射关系。那么,对于平移变换呢?平移变换表示的是位置变化的概念。如下图所示,一个图像矩形从中心点[x1,y1]平移到了中心点[x2,y2]处,整体大小和角度都没有变化。在x方向和y方向上分别平移了tx和ty大小。显然:x2=x1+txy2=y1+ty x2 = x1 + tx\\y2 = y1 + ty...转载 2019-04-04 10:18:32 · 1522 阅读 · 0 评论 -
Canny边缘检测及C++实现(转载)
版权声明:本文为博主原创文章,转载请注明出处。 https://blog.csdn.net/dcrmg/article/details/52344902 Canny边缘检测算法是澳大利亚科学家John F. Canny在1...转载 2018-09-01 22:13:52 · 2734 阅读 · 2 评论 -
图像处理之积分图算法
图像处理之积分图算法一:积分图来源与发展积分图像是Crow在1984年首次提出,是为了在多尺度透视投影中提高渲染速度。随后这种技术被应用到基于NCC的快速匹配、对象检测和SURF变换中、基于统计学的快速滤波器等方面。积分图像是一种在图像中快速计算矩形区域和的方法,这种算法主要优点是一旦积分图像首先被计算出来我们可以计算图像中任意大小矩形区域的和而且是在常量时间内。这样在图像模糊、边缘提取、对象检...转载 2018-11-03 21:32:50 · 1124 阅读 · 0 评论 -
图像处理之积分图应用一(半径无关的快速模糊算法)
图像处理之积分图像应用一(半径无关的快速模糊算法)一:基本原理概述传统的图像空间域卷积模糊算法,当窗口大小改变时卷积模糊时间也会变化,而且随着窗口尺寸越大计算量也越大,算法运行时间约越长。在很多时候无法满足实时性要求。而基于积分图像可以实现对窗口区域和大小的快速计算,把传统卷积模糊计算受窗口大小影响消除,把卷积模糊变成一个与窗口大小半径无关的常量时间完成的操作。关于如何从图像本身得到积分图像的算...转载 2018-11-03 21:37:30 · 451 阅读 · 0 评论 -
图像处理之积分图应用二(快速边缘保留滤波算法)
图像处理之积分图应用二(快速边缘保留滤波算法)一:基本原理传统的图像边缘保留滤波算法-如高斯双边模糊、Mean-Shift模糊等计算复杂、效率比较低,虽然有各种手段优化或者快速计算方法,当时算法相对一般码农来说理解起来比较费劲,不是一个的选择,而通过积分图像实现局部均方差的边缘保留模糊算法,计算简单而且可以做到计算量跟半径无关、跟上面提到两种边缘保留滤波(EPF)算法效率高很多。首先局部均方差滤...转载 2018-11-03 21:42:51 · 847 阅读 · 0 评论 -
图像处理之积分图应用三(基于NCC快速相似度匹配算法)
图像处理之积分图应用三(基于NCC快速相似度匹配算法)基于Normalized cross correlation(NCC)用来比较两幅图像的相似程度已经是一个常见的图像处理手段。在工业生产环节检测、监控领域对对象检测与识别均有应用。NCC算法可以有效降低光照对图像比较结果的影响。而且NCC最终结果在0到1之间,所以特别容易量化比较结果,只要给出一个阈值就可以判断结果的好与坏。传统的NCC比较...转载 2018-11-03 21:46:12 · 1274 阅读 · 0 评论 -
图像处理之积分图应用四(基于局部均值的图像二值化算法)
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/jia20003/article/details/54095208 图像处理之积分图应用四(基于局部均值的图像二值化算法)基本原理 均值法,选择的阈值是局部范围内像...转载 2018-11-03 21:48:56 · 1554 阅读 · 0 评论 -
数字图像处理--彩色图像转灰度图像
我们日常的环境通常获得的是彩色图像,很多时候我们常常需要将彩色图像转换成灰度图像。也就是3个通道(RGB)转换成1个通道。(1)平均法 最简单的方法当然就是平均法,将同一个像素位置3个通道RGB的值进行平均。 I(x,y)=1/3∗IR(x,y)+1/3∗IG(x,y)+1/3∗IB(x,y)I(x,y) = 1/3 * I_R(x,y) +1/3 * I_G(x,y)+ 1/3 * I_...转载 2019-04-03 22:25:04 · 4932 阅读 · 0 评论 -
数字图像处理--图像增强之对比度拉伸
我们前面提到过图像二值化,图像反转,本质上是对图像的所有像素点的灰度进行操作,属于灰度变换的内容。灰度变换的主要目的是用于图像增强。而对比度拉伸是图像增强的一种方法,也属于灰度变换操作。我们看如下图像: 可以看到,这张图片非常灰暗。我们查看下其直方图。import cv2import matplotlib.pyplot as pltfarina = cv2.imread("far...转载 2019-04-03 22:40:29 · 5411 阅读 · 0 评论 -
数字图像处理--图像的缩放变换
在日常工作中,我们经常需要对图像进行缩放(放大、缩小),旋转、平移等各种操作,这类操作统称为图像的几何变换。相对于前面提到的灰度变换,几何变换是改变了原图像像素点在新图像中的空间位置。我们首先来看看图像缩放操作。假设一幅图像是100×100像素大小,放大一倍后是200×200大小。图像中的每一个像素点位置可以看作是一个点,也可以看作是二维平面上的一个矢量。图像缩放,本质上就是将每个像素点的矢量进...转载 2019-04-03 22:58:58 · 4369 阅读 · 0 评论 -
数字图像处理--图像旋转变换的推导
前面我们提到了图像的缩放变换,可以用矩阵乘法的形式来表达变换后的像素位置映射关系。那么,对于旋转变换呢?我们可以同样将其想象成二维平面上矢量的旋转。如下图所示,矢量[x1,y1][x_1,y_1][x1,y1]逆时针旋转θθθ度到了[x2,y2][x_2,y_2][x2,y2]。设定矢量的长度为s,根据坐标系定义,我们可以得到:x2=s•cosβy2=s•sinβ\begin...转载 2019-04-03 23:11:02 · 6543 阅读 · 0 评论 -
数字图像处理--图像二阶导数的本质
前面我们介绍过了图像的二阶导数,并且指出,二阶导数比一阶导数有更好的细节增强表现。那么,其原理是什么呢?我们仍然简化问题,考虑下x方向,选取某个像素,如下图所示: 可以看出,在图中标红色框框的像素附近是一个明显的分界线,上面是一片平坦的灰度区域,下面是灰度缓慢变化的区域。而且有着明显的灰度突变:从100突变到50。我们可以把这个看作图像中物体的轮廓边缘。根据前几篇文章的介绍,图像在x方向的...转载 2019-04-03 15:09:50 · 2882 阅读 · 0 评论