图像处理
文章平均质量分 77
letmecode
计算机视觉
展开
-
OpenCV学习遍历图像像素
#include #include #include #include #include #include using namespace std;using namespace cv;/*static void help(char* progName){ cout << endl << "This program shows how to filter images原创 2016-05-27 09:43:16 · 697 阅读 · 0 评论 -
图像融合
一、概述 图像融合是图像处理中重要部分,能够协同利用同一场景的多种传感器图像信息,输出一幅更适合于人类视觉感知或计算机进一步处理与分析的融合图像。它可明显的改善单一传感器的不足,提高结果图像的清晰度及信息包含量,有利于更为准确、更为可靠、更为全面地获取目标或场景的信息。 图像融合主要应用于军事国防上、遥感方面、医学图像处理、机器人、安全和监控、生物监测等领域。用于较多也较成熟的是红外和原创 2016-09-04 12:29:40 · 36351 阅读 · 3 评论 -
局部二值化算法Niblack OpenCV实现
Niblack 算法的应用于文本图像二值化领域较多,算是比较经典的局部二值化处理方法,其局部二值化方法的提出也很有借鉴意义,包括后来的一些对其改进方法,Sauvola 算法、Nick 算法,核心思想是:根据图像像素点的邻域内的平均灰度和标准偏差来构造一个阈值曲面进行二值化处理。其阈值计算如下:point 1:计算窗口内像素均值;point 2:计算窗口内像素标准差。这两个点原创 2016-08-14 10:59:05 · 8272 阅读 · 2 评论 -
笔迹宽度估计的低质量文本图像二值化(Robust Document Image Binarization Technique for Degraded Document Images)
文本图像二值化在OCR和相关领域是个老话题,快速而准确的的二值化方法对这些领域的图像进一步处理尤为重要。对于图像亮度特征的有全局二值化、局部二值化,在图像亮度有明显双峰特征的是可进行全局二值化,金典的算法有OTSU,但是一些低质量文本并无双峰特征,这样对这些文本进行二值化就是一种难题。现阶段也存在许多亮度特征局部二值化算法,比如Niblack、Sauvola、Nick,但是这些算法的确定是二值化效原创 2016-08-22 21:21:01 · 1277 阅读 · 0 评论 -
人脸识别特征提取(LBP)及其opencv实现
LBP是一种简单,有效的纹理分类的特征提取算法。LBP算子是由Ojala等人于1996年提出的,主要的论文是"Multiresolution gray-scale and rotation invariant texture classification with local binary patterns", pami, vol 24, no.7, July 2002。LBP就是"local b原创 2016-04-12 08:58:37 · 13878 阅读 · 0 评论 -
OpenCV学习Object Segmentation
这里介绍一种物体分割和检测的一种方法。完成该功能包括了如下步骤:1.去噪;2.去除背景或光线;3.二值化;4.联通域或提取轮廓进行物体分割。#include "opencv2/core.hpp"#include "opencv2/core/utility.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/hig原创 2016-06-13 16:07:41 · 3281 阅读 · 2 评论 -
OpenCV学习Histogram&equalizeHist&Lomography effect&Cartoonize effect实现
本小实验完成如下五个功能:1:使用trackbar实现button功能(OpenCV不自带button,不用QT我只能用trackerbar来实现可视化操作了);2:计算并绘制直方图;3:Histogram equalization;4:实现lomography效果;5:实现cartoonize效果。 3中为了色调均衡化一幅彩色图像,我们可以对图像的HSV 或原创 2016-06-09 08:38:26 · 1680 阅读 · 0 评论 -
OpenCV学习Canny
#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include #include using namespace cv;/// 全局变量Mat src, src_gray;Mat dst, detected_edges;int edgeThresh = 1;int l原创 2016-06-04 09:28:51 · 721 阅读 · 0 评论 -
OpenCV学习Laplacian 变换及其运用
int main(int /*argc*/, char** /*argv*/) { Mat img, imgLaplacian, imgResult; //------------------------------------------------------------------------------------------- test, first of all // now原创 2016-05-30 20:54:14 · 5644 阅读 · 0 评论 -
OpenCV学习Sobel 导数
int main(int, char** argv){ Mat src, src_gray; Mat grad; const char* window_name = "Sobel Demo - Simple Edge Detector"; int scale = 1; int delta = 0; int ddepth = CV_16S;//输出图像的深度,设定为 CV_16S 避免原创 2016-05-29 17:00:56 · 1586 阅读 · 0 评论 -
OpenCV学习离散傅里叶变换(DFT)
int main(int argc, char ** argv){ const char* filename = argc >= 2 ? argv[1] : "C:/Users/dell/Desktop/1.jpg"; Mat I = imread(filename, IMREAD_GRAYSCALE); if (I.empty()) return -1; Mat padd原创 2016-05-27 20:14:21 · 826 阅读 · 0 评论 -
曝光融合Exposure Fusion 与ghost
1、概述 说到EF那我们不得不谈谈HDR。高动态范围(HDR)图像可以表示动态范围跨度很大的真实场景。图像的动态范围(dynamic range)是指一幅图像中可见区域最大亮度与最小亮度的比值。同样的,场景中最大光度与最小光度的比值被称为场景的动态范围。现实场景中光度值的分布范围是非常宽广的,而且人眼能够观察的动态范围也是很广的,比如强烈阳光照射下的光度超过100,000c原创 2016-08-26 21:24:38 · 15087 阅读 · 11 评论