学渣杂谈

图像中灰度变化较大的非连续像素可以看做是边缘，边缘是最为重要的图像特征之一，在目标检测、追踪、识别中都必不可少的使用到了边缘，人类视觉系统也对边缘信息非常敏感。如果在图像中检测到边缘并对其进行定位，那么对后续的算法将起到至关重要的作用。灰度的突然变化会在一阶导数中引起波峰或者波谷，或者在二阶导数中等效的引起零交叉。 在下面我们介绍一些边缘检测的方法。一阶微分检测器 从数学上讲，像素的灰度值变化

Boxfilter 假如图像中存在I(x, y)这样一个像素点，那么 I(x-r, y-r)，I(x, y+r), I(x-r, y), I(x+r, y)这样四个点构成了一个矩形区域，该区域的像素值之和存储在矩阵G(x, y) 位置。可以用下面的代码来表示上述过程G(x, y)=sum(sum(I(x-r:x+r,y-r:y+r)));这样的滤波器就叫做Boxfilter，它在求解方差、Haa

matconvnet是在Matlab（我是2015Rb版本）上实现神经网络计算的一个工具包，相对于其他的一些工具库，它的安装非常简单，昨天听友人说这个很方便，今天趁没事安转一个试试Windows版本链接Matlab的编译器 因为我windows10下是首先安装的Matlab，所以Matlab没有指定编译器。在安装VS2013后，再使用这篇博客的方法，为Matlab指定编译器。下载Matconv

IterableMXNET中读入数据需要使用到数据迭代器（Iter），用户可以使用MXNET提供的一些数据迭代器也可以自己写一个迭代器。虽然一般情况下，我们很多的数据都可以直接读入内存之中，但是面向神经网络进行大数据学习时，学习的样本往往达到了几个GB甚至几十上百个GB。这显然是我们的内存所不能承受的。这样的情况下，我们不得不分批次的将数据送入我们的学习网络之中。迭代器的目的就是在需要数据的时候得到

MXNET并不直接读入图像，而是读入其自定义的一种格式。为了生成这种格式，需要利用/mxnet/tools/im2rec.py工具来对数据库图像进行处理而生成。我现在手头没有现成的数据库可以使用，而现在一般的数据库又太大了，所以我把Rec格式的MNIST数据库还原成图像文件。#利用mxnet提供的代码下载MNIST数据库import numpy as npimport osimport url

在MXNET的官方文档网站有非常多的实例，我们从最简单的MNIST开始，地址在这里（与“mxnet/example/image-classification”目录下的代码不同，但是更容易理解）。本文不求详解，只求对Mxnet的基本流程有个大概的了解。准备数据首先下载数据库并解压缩，得到train_lbl，train_img两组变量。import numpy as npimport osimpor

安装OpenCVMxnet在编译的时候依赖Opencv，这里我主要参考了这篇博客。但是我并没有像这篇博客一样将OpenCV安装到虚拟环境，而是直接将其安装到了系统环境下。安装Opencv依赖#安装基本编译工具：sudo apt-get install build-essential cmake pkg-config#由于OpenCV是计算机视觉库，总需要加载一些图像文件（ JPEG, PNG

人眼下图是人眼球的解剖图样，我们首先了解下其中重要的部分以及其功能：Cornea（角膜）：作用相当于照相机中的镜头，为眼睛提供大部分的屈光力，这样照射到角膜上的光线才会改变方向进入我们的眼球。Anterior Chamer（前房）：Iris（虹膜）和 Pupil（瞳孔）：虹膜的作用就是通过其扩张、收缩来调节瞳孔的大小，虹膜中心的圆形开口就是瞳孔，虹膜的目的是调节进入瞳孔的光量，其功能类似于照相

如果我们有数列aa，希望生成数列bb，其中数列bb中任意一项b[i]b[i]具有一下： bi=∑j=1iaj b_{i}=\sum_{j=1}^{i}a_{j}最简单直接的实现方法是使用forfor循环得到：a = [ 1 2 3 4 5];b = zeros(1,length(a));b(1) = a(1);for i = 2:length(a) b(i) = b(i-1)

保边滤波器(Edge Preserving Filter)是指在滤波过程中能够有效的保留图像中的边缘信息的一类特殊滤波器。其中双边滤波器（Bilateral filter）、引导滤波器（Guided image filter）、加权最小二乘法滤波器（Weighted least square filter）为几种比较广为人知的保边滤波器。下面对每种滤波器进行一一介绍。双边滤波器加权最小二乘法滤波器

Matlab中生成圆形和环形的模板