计算机视觉
文章平均质量分 94
shine-lee
莫听穿林打叶声,何妨吟啸且徐行
展开
-
计算机视觉中的滤波
文章目录写在前面Padding滤波杂谈参考博客:博客园 | CSDN | blog写在前面在计算机视觉中,滤波(filtering)是指Image filtering: compute function of local neighborhood at each position.—— from CAP5415–Fall 2014-Lecture 2 (08/21/2014)–Fil...原创 2020-02-10 22:32:37 · 1077 阅读 · 0 评论 -
数字图像处理,计算机视觉,计算机图形学,计算摄影
博客:博客园 | CSDN | blog先上图,下图通过输入输出来区分不同学科。计算机视觉(Computer Vision, CV),输入为图像或图像序列,输出为某种信息或描述,目的在于理解图像,获得语义信息。比如目标识别任务,输入一张图片,输出图中有哪些物体、都在什么位置,典型任务包括检测、识别、分割、定位、追踪、动作识别、OCR等,详见wiki-Computer vision。数字图像...原创 2020-02-10 22:30:20 · 1552 阅读 · 1 评论 -
滤波器——BoxBlur均值滤波及其快速实现
动机:卷积核、滤波器、卷积、相关在数字图像处理的语境里,图像一般是二维或三维的矩阵,卷积核(kernel)和滤波器(filter)通常指代的是同一事物,即对图像进行卷积或相关操作时使用的矩阵,只不过其尺寸通常比较小,常见的尺寸有3*3、5*5、7*7等。卷积操作相当于对滤波器旋转180度后的相关操作,如下图所示,但很多时候滤波器是中心对称的,而且两者运算上可以等价,所以很多时候不太区分两者。...原创 2018-07-13 11:05:07 · 4799 阅读 · 1 评论 -
如何确定高斯滤波的标准差和窗口大小
高斯函数标准差窗口大小原创 2018-09-18 20:35:21 · 25155 阅读 · 7 评论 -
高斯滤波对图像方差有什么影响
均值与方差首先回忆下均值和方差的定义,若存在nnn个数为x1,x2,…,xnx_1, x_2, \dots, x_nx1,x2,…,xn,则均值μ\muμ为:μ=x1+x2+⋯+xnn\mu = \frac{x_1+x_2+\dots+x_n}{n}μ=nx1+x2+⋯+xn均值衡量的是数值集中在哪个数值附近。令标准差为σ\sigmaσ,则方差σ2\sigma^2σ2为:σ2...原创 2018-09-27 17:42:36 · 3779 阅读 · 0 评论 -
特征,特征不变性,尺度空间与图像金字塔
特征在计算机视觉领域,特征是为了完成某一特定任务需要的相关信息。比如,人脸检测中,我们需要在图像中提取特征来判断哪些区域是人脸、哪些区域不是人脸,人脸验证中,我们需要在两个人脸区域分别提取特征,来判断他们是不是同一个人,如下图所示,深度神经网络最终得到一个128维的特征用于识别等任务,图片来自Openface常用的特征包括:图像灰度or灰度、直方图、梯度、边缘、纹理、矩、SIFT、深度学习特...原创 2018-11-29 12:01:51 · 3235 阅读 · 0 评论 -
仿射变换及其变换矩阵的理解
博客:blog.shinelee.me | 博客园 | CSDN文章目录写在前面仿射变换:平移、旋转、放缩、剪切、反射变换矩阵形式变换矩阵的理解与记忆变换矩阵的参数估计参考写在前面2D图像常见的坐标变换如下图所示:这篇文章不包含透视变换(projective/perspective transformation),而将重点放在仿射变换(affine transformation),将介绍...原创 2019-05-30 17:35:11 · 7099 阅读 · 0 评论