数字图像处理
文章平均质量分 66
liujun-st
蜗牛!!
展开
-
数字图像处理02(直方图及均衡化,规定化,局部对比度增强)
图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整,从而“扩大”前景和背景灰度的差别,以达到增强对比度的目的,这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化的英文名称是转载 2015-07-28 21:16:17 · 20323 阅读 · 0 评论 -
surf
来源:http://www.cnblogs.com/tornadomeet/archive/2012/08/17/2644903.html在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法,sift算法比较稳定,检测到的特征点也比较多,其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进,其中比较出名的就是本文要介绍的surf算法,surf的中文意思为快速鲁转载 2015-08-12 17:06:36 · 1278 阅读 · 1 评论 -
角点检测(Harris,Fast,surf)
前面分析了Sift算法的具体原理,就顺便想看看其他的角点检测算法,和对比。这些看完之后,相比sift的原理比较简单,自己没有总结,只是整合了别人的文章Harris:这个算法通过两张图就看得很清楚了。将被检测点上的window移动一下,然后计算原来的window和移动之后的window对应位置像素差的平方和,如果变化不大说明这个点在物体内部,如果一个方向上变化大,另外一个方向上变化不大说明在转载 2015-08-12 16:38:29 · 8908 阅读 · 0 评论 -
Sift匹配算法(SURF,PCA-sift,hog)
主要参考:http://blog.csdn.net/abcjennifer/article/details/7639681http://www.cnblogs.com/linyunzju/archive/2011/06/14/2080951.htmlhttp://www.360doc.com/content/14/1013/15/18306241_416576994.shtml原创 2015-08-12 16:02:27 · 3063 阅读 · 0 评论 -
相关系数的模板匹配
最简单的目标跟踪方法--------模板匹配与相关系数法前言 模板匹配和相关系数法是目标跟踪的经典方法,它的优点有很多:简单准确,适用面广,抗噪性好,而且计算速度快。缺点是不能适应剧烈光照变化和目标剧烈形变。 所谓模板匹配法,就是指在一帧图像内寻找目标模板的位置,和模板最像的地方就是目标了。只要把全图的所有子区域和目标模板比较一下,找到最像目标模板的子区域,它就转载 2015-08-06 15:49:13 · 4530 阅读 · 0 评论 -
数字图像处理07(表示和描述)
一、轮廓表示链码,用链码来表示边缘。边界追踪、多边形近似二、外形特征质心角函数:边界点到质心的距离+夹角 作为函数曲线边界线段(凸集)区域骨架(中轴):两种方法求取,安定义求骨架和细化求骨架,一般采用细化的方法来提取骨架。三、边界描述算子简单描述算子:周长、直径、曲率等几何描述。傅里叶描述算子:将图像边缘(x,y)作为实部和虚部,进行傅立叶变换,频率取到原创 2015-07-31 16:36:24 · 1333 阅读 · 0 评论 -
数字图像处理06(图像分割)
一、基本概念两种方法:基于边缘检测的方法分割、基于区域生长方法的分割。基于边缘检测:检测局部特性的不连续性,链接成边界,然后分割出不同的区域。包括边缘家的测图像分割、阈值选取的图像分割。区域生长:检测相邻区域的相似性,相似则是同一个区域,然后合并,不想似,则是不同的区域。包括:区域生长,分裂-合并分割方法。这两种方法可以结合一起使用。二、基于灰度的基本策略不连续性—原创 2015-07-31 15:55:36 · 1376 阅读 · 0 评论 -
数字图像处理05(图像压缩)
一、数据冗余压缩率、相对数据冗余;数据冗余的分类:编码冗余、像素冗余(图像的相邻关系)、视觉心里冗余(人眼无法分辨)二、衡量压缩的指标压缩比、压缩算法、失真性(以及编码效率、实时性、失真度、设备复杂程度、经济实用性)常用混合编码,来满足性能和经济上的折中。三、信息的度量信息熵,平均码子长,编码效率 四、常见的编码方法无损压缩:能原创 2015-07-31 14:22:20 · 4183 阅读 · 0 评论 -
数字图像处理04(傅里叶变换、频域滤波特性)
来源:http://blog.csdn.net/abcjennifer/article/details/7622228(分析的比较好)冈萨雷斯版里面的解释非常形象:一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器,每个成分的颜色由波长(或频率)来决定。傅里叶变换可以看作是数学上的棱镜,将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。转载 2015-07-29 16:27:01 · 5718 阅读 · 0 评论 -
数字图像处理03(卷积、滤波、边缘检测——算法原理)
1.首先介绍一下相关和卷积的关系:图像滤波的计算过程分析 滤波通常是用卷积或者相关来描述,而线性滤波一般是通过卷积来描述的。他们非常类似,但是还是会有不同。下面我们来根据相关和卷积计算过程来体会一下他们的具体区别:卷积的计算步骤:(1)卷积核绕自己的核心元素顺时针旋转180度(2)移动卷积核的中心元素,使它位于输入图像待处理像素的正上方(3原创 2015-07-29 14:55:23 · 6129 阅读 · 0 评论 -
数字图像处理01(插值)
来源:http://blog.chinaunix.net/uid-11134731-id-33209.html插值算法对于缩放比例较小的情况是完全可以接受的,令人信服的。一般的,缩小0.5倍以上或放大3.0倍以下,对任何图像都是可以接受的。最邻近插值(近邻取样法): 最临近插值的的思想很简单。对于通过反向变换得到的的一个浮点坐标,对其进行简单的取整,得到一个整数型坐标,这转载 2015-07-28 18:28:01 · 1622 阅读 · 0 评论 -
kalman滤波原理(通俗易懂)
在学习卡尔曼滤波器之前,首先看看为什么叫“卡尔曼”。跟其他著名的理论(例如傅立叶变换,泰勒级数等等)一样,卡尔曼也是一个人的名字,而跟他们不同的是,他是个现代人!卡尔曼全名Rudolf Emil Kalman,匈牙利数学家,1930年出生于匈牙利首都布达佩斯。1953,1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们现在要学习的卡尔曼滤波器转载 2016-07-08 10:29:14 · 25033 阅读 · 4 评论