2月21日 CVST工具箱模块仿真与图像处理（一）

最新推荐文章于 2022-09-06 18:59:35 发布
最新推荐文章于 2022-09-06 18:59:35 发布
阅读量1k 收藏 4
点赞数
分类专栏： 经典计算机视觉笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/djfjkj52/article/details/104418195
版权

课程地址：http://www.auto-mooc.com/chapter/study?class_id=C588FF7748E30CAB8B2C26AC901466C4&item_id=A26FBD880AF9AEB250A23688B1B471F4

CVST工具箱

在这里插入图片描述

matlab

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

结构

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Simulink

在这里插入图片描述

CVST一个11类工具
在这里插入图片描述
在这里插入图片描述

demo1：RGB的灰度仿真

图片灰度
在这里插入图片描述
视频灰度
在这里插入图片描述
导出代码
在这里插入图片描述

demo2 图像中值滤波

在这里插入图片描述

在这里插入图片描述

异常处理1：图像uint9——double的问题

现象：

I=double(imread("test.png"));
J=imnoise(I,"salt & pepper",0.02);

在这里插入图片描述
在这里插入图片描述

Q=imread("test.png");

P=im2double(imread("test.png"));
N=imnoise(P,"salt & pepper",0.02);

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Matlab图像处理中uint8和double的问题
参考：https://blog.csdn.net/SMF0504/article/details/72899725

为了节省存储空间，matlab为图像提供了特殊的数据类型uint8(8位无符号整数），以此方式存储的图像称作8位图像。

imread把灰度图像存入一个8位矩阵，当为RGB图像时，就存入8位RGB矩阵中。

因此，matlab读入图像的数据是uint8，而matlab中数值一般采用double型（64位）存储和运算。所以要先将图像转为double格式的才能运算，

I2=im2double(I1)  %把图像I1转换成double精度类型 （假设图形矩阵范围0~255）
或者
I64=double(I8)/255;   %uint转换成double

如果不转换，计算会产生溢出。
意思也就是显示的时候用uint8 运算的时候用double；
即，主要是为了保持运算精度， 一般来说用double 来完成复杂的运算。而在存储的时候的一般存储为uint8类型，节省存储空间。

im2double():将图象数组转换成double精度类型
im2uint8():将图象数组转换成unit8类型
im2uint16():将图象数组转换成unit16类型

因为uint8的图像是灰度图像，也就是 像素值是从0~ 255变化的，而转换为double后像素值成了0~1变化，也就是说0是黑色，1是白色

使用”double（imread（”test.png“））会有错误

在这里插入图片描述

数字图像处理

学习主线

像素

在这里插入图片描述

灰度

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

典型图像变换的方法及仿真，如平移变换、图像的傅里叶变换等。

在这里插入图片描述

平移变换

在这里插入图片描述

在这里插入图片描述

demo：平移

在这里插入图片描述

时频域变换：傅里叶变换

在这里插入图片描述
在这里插入图片描述

demo：傅里叶变换

在这里插入图片描述
在这里插入图片描述

典型特征提取方法及模块儿化仿真，如Harris角点检测、图像边缘检测、尺度不变特征等。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

demo 边缘检测

在这里插入图片描述
在这里插入图片描述
边缘可以分成两种
在这里插入图片描述

很多图像检测就是将图像矩阵求解一阶、二阶导数，根据导数变化以及变化的方向，例如sobel算子，prewitt算子，canny算子，基本原理相似

在这里插入图片描述

图像信噪比计算的模块化仿真

在这里插入图片描述

demo 信噪比

在这里插入图片描述

项目：离散余弦变换

离散余弦变换是与傅里叶变换相关的一种变换，类似于离散傅里叶变换，但是只使用实数。离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换，这个离散傅里叶变换是对一个实偶函数进行的，在有些变形里面需要将输入或者输出的位置移动半个单位。—— 维基百科

傅里叶变换——傅里叶逆变换，对图像无影响

DCT变换，DCT又称离散余弦变换，是一种块变换方式，只使用余弦函数来表达信号，与傅里叶变换紧密相关。常用于图像数据的压缩，通过将图像分成大小相等（一般为8*8）的块，利用DCT对其进行变换，得到更加简洁的数据。因为图像像素间存在较大的空间相关性，DCT可以大大减小这些相关性，使图像能量集中在左上角区域，从而利于数据压缩。变换后得到的数据称为DCT系数。这一过程是无损的 。
————————————————
版权声明：本文为CSDN博主「彼岸之音」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/ahafg/article/details/48808443

1974年，K. R. Rao、N. Ahmed、T. Natarajan三位教授创立了离散余弦变换（Discrete Cosine Transform, DCT）。在数字信号、数字图像处理领域，离散余弦变换的效果能够接近理论上的最佳变换——Kahunen-Loeve变换（K-L变换）。

1807年，法国数学家、物理学家傅里叶（Jean Baptiste Joseph Fourier）提出了傅里叶变换（Fourier Transform, FT）。傅里叶变换的形式有很多种，归一化的二维离散傅里叶变换（Discrete Fourier transform, DFT）可以写成如下形式：
在这里插入图片描述
在这里插入图片描述

傅里叶变换包含复数运算，其运算复杂度和存储长度都超过实数运算。为了简化上述过程，同时达到更好的变换效果，余弦变换应运而生。

从傅里叶变换到离散余弦变换，需要一些数学理论的支持。在给定区间内满足狄利赫里条件的连续实对称函数，可以展开成仅含有余弦项的傅里叶级数。

对于定义在正实数域上的函数，可以通过偶延拓或奇延拓，满足上述条件。但如果函数的定义域包含零点 ，情况则稍有些复杂。

在这里插入图片描述
在这里插入图片描述
cite:https://zhuanlan.zhihu.com/p/33845296

DCT在算法层面的实现

为了简化离散余弦变换的计算过程，需要算法上进行优化。优化可以从两方面入手，一是降低计算次数，一是将浮点运算转化为整数运算。

在这里插入图片描述

为什么二维变换可以用矩阵表示

首先回顾一下什么样的图像可以使用 T = A F A T T=AFA^T T=AFAT来进行表示，要求二维变换核同时具备可分性与对称性且图像是正方形的图。当满足上述条件式，一个二维变换可以用两个一维变换计算，即首先变换图像的每一列再变换图像的每一行。对每一列进行变换就是用矩阵乘以图像的每一列，有线性代数知识可知
X F = X [ f 1 , f 2 , f 3 , … , f n ] XF=X[f_1,f_2,f_3,…,f_n] XF=X[f1​,f2​,f3​,…,fn​]

其中的F是图像矩阵，而 f 1 , f 2 , f 3 , … , f n f_1,f_2,f_3,…,f_n f1​,f2​,f3​,…,fn​ 是图像矩阵中的每一列。
————————————————
版权声明：本文为CSDN博主「独孤呆博」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/dugudaibo/article/details/78410570

DCT在硬件层面的实现

我们先不谈DSP等专用芯片，单说CPU与GPU。

计算机的运算可以分为两类，整数运算和浮点运算；浮点运算又可以分为两类，单精度浮点运算和双精度浮点运算。

GPU拥有大量并行流处理器，但缺少串行逻辑控制机构，擅长进行浮点预算，对于更注重溢出检查的整数运算，反而是GPU的弱项；CPU作为中央处理器，则是两种运算通吃。

进一步考虑浮点运算，单精度浮点运算的复杂度低于双精度浮点运算。市面上常见的游戏显卡和TaiTan X，均是注重单精度浮点运算，而限制了双精度浮点运算。开普勒架构的游戏显卡，双精度浮点运算能力是单精度浮点运算的1/24；同时代的CPU，这一比值大约是1/2。

一般而言，对于物理建模与模拟（比如流体力学模拟、量子化学计算）、3D建模（其实也是一种意义上的物理建模），需要双精度浮点运算；对于一般的图形渲染（包括游戏渲染、视频渲染）、机器学习，需要单精度浮点运算。所以游戏显卡削弱双精度浮点运算，TaiTan X一个劲提升单精度浮点运算，以及1080Ti被视为平民机器学习神器，都是有其道理的。

回到离散余弦变换。的确，GPU的并行运算速度超过CPU。经过优化的整数离散余弦变换算法利于并行计算，更是突出了GPU的并行优势，但GPU并不擅长整数运算。此外，在实际应用中，离散余弦变换过程伴随着串行逻辑，这也GPU不能胜任的。随着GPU计算的火热，如何让GPU完成离散余弦变换成了学界热点。但目前来看，让CPU扮演主要角色，把一部分运算交给GPU实现加速，应当是比较现实的考虑。

DCT在应用层面的实现

以视频编码为例。1984年，H.261编码标准开始研究。1990年，H.261编码标准由国际电信联盟（ITU-T）发布。1993年，MPEG-1编码标准由国际标准化组织/国际电子学委员会（ISO/IEC）发布。自此，H.26X系列与MPEG-X系列开始了各自的更新换代，当然期间也有合作交易，比如大家可能比较熟悉的MPEG-2与大家可能不熟悉的H.262，其实是一个东西，又比如MPEG-4，包括了（早期的）MPEG-4、MPEG-4/AVC（=H.264）、MPEG-4/HEVC（=H.265）三个标准。

诶，好像就差H.263与MPEG-3没有提。前者随着技术的进步退出了历史舞台，后者则被毙掉了…

从H.261开始，离散余弦变换就被应用于视频编码中。当技术发展到H.264与H.265，就具体的数学计算而言，H.261创立的分块编码被后续标准沿用，H.264在亮度平面上的基本分块为8x8像素块，于是离散余弦变换是这个样子（代入N=8）：

在这里插入图片描述

在整个编码过程中，离散余弦变换的作用如下：

首先，按照图像处理的一般流程，进行采样、整量，完成连续数据到离散数据的量化。根据前面提到的算法优化，量化过程整合了离散余弦变换的浮点运算。

接下来，进行整数离散余弦变换。做这一变换有什么用？一方面，从图像处理的整体流程而言，变换后便于后续处理；另一方面，从编码的角度而言，变换后使图像信息集中，在数学上体现为描述关键信息的系数变少，相应的，所需存储空间降低，达到降低视频体积的目的。

实现代码：

clear;
clc;
I = [12,23,53,16;42,16,68,45;34,62,73,26;72,15,34,28];  %数据块
A = zeros(4);   %变换矩阵A,也可以通过函数dctmtx(n)求得
for i = 0:3
    for j = 0:3
        if i == 0
            a = sqrt(1/4);
        else
            a = sqrt(2/4);
        end
        A(i+1,j+1) = a*cos((j+0.5)*pi*i/4)
    end
end
D = A*I*A';     %DCT变换
D1 = dct2(I);   %matlab DCT函数进行DCT变换
D2 = A'*D*A;    %DCT逆变换

在这里插入图片描述

由结果可以看出，D，D1方式得到的DCT系数相同，说明矩阵形式的DCT变换公式是正确的，D2的数据与原数据I相同，实现了数据恢复。

另外通过运行函数dctmtx(4)可以发现得到的变换矩阵与A完全相同。

Matlab 函数实现

matlab实现离散余弦变换有两种方法：

  • 一种为函数dct2( ), 使用函数dct2，该函数用一个基于FFT的算法来提高当输入较大的方阵时的计算速度。
  • 另一种为函数dctmtx( ), 使用由dctmtx函数返回的DCT变换矩阵，这种方法较适合于较小的输入方阵（例如8×8或16×16）。
    ————————————————
    版权声明：本文为CSDN博主「彼岸之音」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
    原文链接：https://blog.csdn.net/ahafg/article/details/48808443
  1. 函数：dct2( )

实现图像的二维离散余弦变换。调用格式为：
B = dct2(A)
B = dct2(A,[M N])
B = dct2(A,M,N)
式中A表示要变换的图像，M和N是可选参数，表示填充后的图像矩阵大小，B表示变换后得到的图像矩阵。其逆变换函数为idct2( );
代码如下：

I = imread('1_1.jpg');%输入灰度图像
D = dct2(I);          %DCT变换
D1 = idct2(D);        %逆变换
subplot(1,2,1);imshow(I);
subplot(1,2,2);imshow(uint8(D1));

在这里可以通过函数colormap查看变换系数D。利用不同灰度值，可以发现D中主要数据都分布在左上角。

imshow(log(abs(D)),[]);
colormap(gray(8));colorbar;
  1. 函数：dctmtx( )

D = dctmtx(N)
式中D是返回N×N的DCT变换矩阵，如果矩阵A是N×N方阵，则A的DCT变换可用D×A×D’来计算。这在有时比dct2计算快，特别是对于A很大的情况。上面有提到过。

对于图像的DCT变换，这里还需用到一个函数blkproc( ),其功能为对图像分块进行DCT变换。
blkproc( )定义如下：
B = blkproc(A,[M N],Fun) ，A为输入图像，MN为块大小，Fun为处理函数
常用的方式为：
B = blkproc(A,[8,8],’P1xP2’,T,T’); T为变换矩阵，P1和P2为参数，代表Tx*T’ 。

%%灰度处理
close all;
clear all;
Img=imread('t2.png');
[n m a]=size(Img);%判断图像的大小

GrayImage= rgb2gray(Img);%调用MATLAB函数实现灰度化

% Img_Gray=zeros(n,m);
% for x=1:n%通过双循环对图像进行灰度化处理
%     for y=1:m
%      %  Img_Gray(x,y)=max(Img(x,y,1),max(Img(x,y,2),Img(x,y,3)));  %第一种方法实现灰度化
%      %   Img_Gray(x,y)=(Img(x,y,1)+Img(x,y,2)+Img(x,y,3))/3;%第二种方法实现灰度化
%         Img_Gray(x,y)=0.3*Img(x,y,1)+0.59*Img(x,y,2)+0.11*Img(x,y,3);%第三种方法实现灰度化
%     end
% end

%figure,imshow(Img);title('原图像')
%figure,imshow(GrayImage);title('调用系统函数实现灰度化')
%figure,imshow(uint8(Img_Gray));title('第三种方法')
%%图像double-float
I =  im2double(GrayImage);
D = dctmtx(8);
C = blkproc(I,[8,8],'P1*x*P2',D,D');  %D'为D的转置
mask1=[1 1 1 1 1 0 0 0
1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];
mask2=[1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];
mask3=[1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];

X = blkproc(C,[8,8],'P1.*x',mask1);  %保留15个系数
I1  = blkproc(X,[8,8],'P1*x*P2',D',D);    %重构图像
X2 = blkproc(C,[8,8],'P1.*x',mask2);  %保留10个系数
I2  = blkproc(X2,[8,8],'P1*x*P2',D',D);    %重构图像
X3 = blkproc(C,[8,8],'P1.*x',mask3);   %保留3个系数
I3  = blkproc(X3,[8,8],'P1*x*P2',D',D);    %重构图像
subplot(2,4,1);imshow(I);
subplot(2,4,2);imshow(I1);
subplot(2,4,3);imshow(I2);
subplot(2,4,4);imshow(I3);

上面代码中，通过求得图像DCT系数，利用mask等矩阵对其进行量化，保留左上角主要的系数值，对于右下角的值由于其为非常小的高频系数，量化去除后对于图像的质量影响不大，可以利用这一性质对图像进行压缩处理。可以看到系数保留越少，则图像质量越差。

保留系数越多则图像压缩质量越好，下面比较几幅图像质量，从左到右分别为原图，mask1，mask2，mask3；
在这里插入图片描述

基于系统对象的图像/视频处理编程

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

a=zeros(64,64);
for i=1:64
  for j=1:64
    a(i,j)=i;
end 
end
image(a)

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

I=imread("t2.png");
imshow(I)

I=rbg2gray(I);
I=im2double(I);

s=size(I);
for i=1:2:s(1,1)
  for j=1:2:s(1,2)
    sum=I(i,j)+I(i+1,j)+I(i,j+1)+I(i+1,j+1);
    I(i,j)=sum/4;
    I(i,j+1)=sum/4;
    I(i+1,j)=sum/4;
    I(i+1,j+1)=sum/4;
    end
end
figure
imshow(I)

在这里插入图片描述

CVST系统对象编程

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

编程步骤

基于CVST系统对象编程的三个步骤，包括创建系统对象，设置系统对象属性，运行系统对象。
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
如下图，简化创建过程：
在这里插入图片描述
更加简化：
在这里插入图片描述

实例分析：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

课程作业：

在这里插入图片描述
在这里插入图片描述
待续。。

Hali_Botebie
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
图像处理 离散余弦变换 C/C++语言实现
02-04
图像处理 离散余弦变换 C/C++语言实现....................................
【车道线检测与寻迹】2月24日 CVST工具箱模块仿真与图像处理（二）、基于Vision对象的边缘检测、余弦变换压缩，与峰值信噪比
Hali_Botebie的博客
02-24 1099
课程作业1：边缘检测 videoFReader = vision.VideoFileReader('test.mp4','ImageColorSpace','Intensity'); videoPlayer = vision.VideoPlayer('Name','EdgesCanny'); videoPlayer1 = vision.VideoPlayer('Name','EdgesSobe...
Testbench编写指南（3）模块化工程的仿真方法
热门推荐
OpenFPGA的博客
11-21 1万+
Testbench编写指南（3）模块化工程的仿真方法 文章转自：https://blog.csdn.net/FPGADesigner/article/details/80816066 文章目录Testbench编写指南（3）模块化工程的仿真方法仿真第1个子模块加入第N个子模块多模块联合仿真1. 第一种方法2. 第二种方法使用Quartus+ModelSim   第3篇的题材是模块化工程的仿真方...
计算机毕业设计Java-ssm茶叶销售网站源码+系统+数据库+lw文档
qckj88的博客
08-26 401
计算机毕业设计Java-ssm茶叶销售网站源码+系统+数据库+lw文档。JSP基于JAVA的邮件过滤系统的设计与实现sqlserver。springboot基于Springboot的测试项目管理平台。ssm基于vue框架的疫情防控知识在线答题系统设计与实现。jsp基于信息理论联合聚类的协同过滤推荐算法研究与实现。JSP图书在线借阅系统的设计与实现sqlserver。JSp校园生活信息网的设计与实现sqlserver。JSP超市进销存系统的设计与实现sqlserver。...
MATLAB 图像处理工具箱简介
早知晓的博客
04-23 3331
MATLAB自带的图像处理工具箱简介 https://ww2.mathworks.cn/products/image.html MATLAB 添加图像处理工具箱教程（VLFeat） https://blog.csdn.net/piupiu78/article/details/116030731?spm=1001.2014.3001.5501
2月25日 局域不变特征的目标跟踪，SURF算子，KLT算子
Hali_Botebie的博客
02-25 761
难点分解： 本任务的难点是“目标识别跟踪”。之所以称其为难点，是对目标的识别和跟踪过程中，存在视觉传感器与目标物体的相对运动，因而，目标在图像中存在着尺度变化、旋转变化、视角变化、照度变化以及局部遮挡，这给目标识别和跟踪带来了挑战。我们常用的目标识别与跟踪算法有：基于帧间差分的目标识别与跟踪法、基于光流的目标识别与跟踪法、基于模板匹配的目标识别与跟踪法、基于颜色的目标识别与跟踪法、基于特征点的目标...
MATLAB教室人数统计开源代码（包含 GUI 注释 课题分析）
weixin_43391211的博客
07-06 3400
MATLAB教室人数统计（免费开源代码） 本人参考了很多的资料最后总结整出来的，如果能够该博客对你的学习有所帮助的话，希望大家可以帮我点个赞，本人是抱着学习的态度进行分享，大家如果能在我的基础上进行二次创作的话，希望不要吝啬，分出来给大家，谢谢！ 一、简介 开题报告参考链接：【人脸识别】基于GUI教室人数统计系统 1 课题背景 本课题为基于matlab的人数统计系统。近年来，很多行业对人流信息有极大的需求，如汽车公交站，地铁站台，商场出入口等。通过人数统计系统可以方便、可靠、实时地对各种场所的人流进行统计，
计算机毕业设计ssm美食网站2cvst系统+程序+源码+lw+远程部署
最新发布
bisheji98的博客
09-06 91
springboot基于springboot的学生社团管理系统的研究设计。计算机毕业设计ssm美食网站2cvst系统+程序+源码+lw+远程部署。springboot基于springboot的球队管理系统。JSP教学视频点播系统的设计与实现SQLServer。ssm基于SSM高校教师个人主页网站的设计与实现。jsp基于web的面向公众的食品安全知识系统。springboot云端存储的待办清单的设计。ssm基于JavaEE的网上图书分享系统。ssm基于WEB的儿童运动馆业务信息系统。
Matlab找到匹配对把图像还原,在MATLAB中匹配具有不同方向和比例的图像
weixin_31063029的博客
03-17 889
我有两张相似但方向和大小不同的图片。示例如下：有没有办法匹配这两张图片？我使用了Procrustes形状分析，但还有其他方法吗？你需要使用对数极坐标比较…不知道它是否已经在matlab或matlab工具箱中实现了…我会使用图像注册。找到一组匹配两幅图像的关键点，然后找到一个将两幅图像对齐的同形/变换矩阵。顺便问一下，在我写答案之前，你有计算机视觉工具箱吗？这可能会给你一些想法：可口可乐的算法改进可...
CVST:通过顺序测试进行快速交叉验证
05-17
CVST 通过顺序测试进行快速交叉验证 程序包CVST托管在CRAN上，因此 install.packages("CVST") library(CVST) example(CVST) 给您第一印象。
cvst-颅内静脉窦血栓形成.ppt
09-14
cvst-颅内静脉窦血栓形成.ppt
颈内静脉病变与颅内静脉窦血栓的相关性研究
02-11
颈内静脉病变与颅内静脉窦血栓的相关性研究，贾凌云，华扬，目的: 颅内静脉窦血栓（CVST）是一种特殊类型的卒中。已知的CVST的病因和危险因素众多，但是仍有一部分CVST患者的原因不明。本研究的�
CVSTProject-开源
04-17
支持在Smalltalk项目中有效使用CVS的工具
论文研究 - 伊朗西北部脑静脉窦血栓形成中的常见血栓形成基因突变
05-31
材料和方法：在一项病例对照研究中，进行了聚合酶链反应-限制性片段长度多态性（PCR_RFLP）和扩增-难治性突变系统（ARMS-PCR），以检测70例CVST患者的常见血栓突变。 接下来，将其与82个性别和年龄匹配的健康对照...
2月28日 PCA降维,SVD压缩，中心化、归一化、标准化、k-l变换
Hali_Botebie的博客
02-28 4107
PCA （主成分分析）详解 参考：https://my.oschina.net/gujianhan/blog/225241 一、简介 PCA（Principal Components Analysis）即主成分分析，是图像处理中经常用到的降维方法，大家知道，我们在处理有关数字图像处理方面的问题时，比如经常用的图像的查询问题，在一个几万或者几百万甚至更大的数据库中查询一幅相近的图像。这时，我们通常的...
【信号处理第十章】 数字滤波器，卷积与互相关
Hali_Botebie的博客
03-13 3642
资料存放处：待定 卡尔曼滤波器与我以前讲过的FIR, IIR 滤波器完全不一样，与其说属于滤波器，不如说是属于最优控制的范畴。 传统数字滤波器 对于一个线性时不变系统，施加一个输入 u(t) ，我们可以得到一个输出 y(t) . 如果输入是一个冲击，则输出y(t) 被称作冲击响应，用 h(t) 来表示，是系统的内核。对于任意 u(t), 输出 y(t) 可以通过 u(t) 与冲击响应 h(t) 的...
800万像素摄像头，评估可以看到多远的红绿灯【1】?
Hali_Botebie的博客
07-07 3485
800w 有效像素的相机，检测红绿的的最远距离。 对于相机而言，800万像素就是指在相机的感光元件上有800万个像素点 对于图片而言，800万像素的分辨率是32642448(4:3)或者34642309(3:2)sensor ：3840*2160 Field of view视场角（视角和焦距近似成反比例关系）：H≥60°，V≥45°修改为：H≥120°，V≥65°识别类型：圆形，箭头 箭头灯类型：直行，左转，右转，掉头，直行右转，直行左转，左转掉头 圆形灯类型：红色，绿色，黄色 状态：闪烁，常亮，关闭 检测
2月25日 图像的表示，定义，亮度、对比度、饱和度、锐化、分辨率，直方图均衡化算法原理与实现
Hali_Botebie的博客
02-25 3410
数字图像 1、数字图像定义 对于一幅图像，我们可以将其放入坐标系中，这里取图像左上定点为坐标原点，u轴向右，和笛卡尔坐标系x轴相同；v 轴向下，和笛卡尔坐标系y轴相反。 这样我们可将一幅图像定义为一个二维函数 f(u，v)，图像中的每个像素就可以用 (u，v)坐标表示，而在任何一对空间坐标 (u，v) 处的幅值$ f $称为图像在该点的强度或灰度，当 u，v 和灰度值 fff 是有限离散数值时，便...
2与27日 双目视觉系统，相机标定，矫正，匹配（特征，稠密），特征提取的方法，得到视差图
Hali_Botebie的博客
02-27 3351
双目立体视觉系统 CVST提供了双目立体视觉处理、校正、仿真的函数，这极大的提高了我们对双目立体视觉系统研究的效率。本节将介绍双目立体视觉系统的基本结构及相较于单目视觉系统的优势等。 双目系统可以获得景深信息 原理 视差图 编程 双目摄像头的两幅图片： 处理流程 相机标定——target：得到内参，外参，畸变参数 标定流程 图像校正——target：输入两幅图像，相机...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Hali_Botebie

文中错误请不吝指正！！！！！！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值