传统图像处理
文章平均质量分 56
主要涉及滤波,算子等传统图像处理的内容。
dlvector
be better man,基础不牢,地动山摇!
展开
-
maxflow 算法
一些相关的博客一些论文和代码实现图像处理中的全局优化技术(Global optimization techniques in image processing and computer vision) (一) 这个博客写的特别好,一定要好好研究一下.wiki:Ford–Fulkerson algorithm最大流问题与Ford-Fulkerson算法介绍...原创 2021-09-26 01:15:50 · 1612 阅读 · 0 评论 -
网课:GAMES101-homewor1
本次作业主要是补充两个函数,实现的目标是一个三角形绕着一个轴旋转.主要是使用课上PPT4里面涉及的内容.主要讲解了三个矩阵,MVP.对应在计算机里的拍照,实际上是这三步:Model:把要成像的物体摆好位置。View:摆好照相机的位置,对准。Projection:成像!它们分别对应着三种变换,这就是 MVP transformation,我们目前要做的,就是搞清楚它们是怎么变换的。第一个模型的变化矩阵的旋转矩阵是最简单的,直接从2维度的情况推演过来就可以了.Eigen::Matrix4f g原创 2021-07-25 22:40:00 · 268 阅读 · 0 评论 -
网课:GAMES101-homework pa0
作业1还是挺简单的,把课上一些基本的概念写成代码即可。#include<cmath>#include<eigen3/Eigen/Core>#include<eigen3/Eigen/Dense>#include<iostream>int main(){ // Basic Example of cpp std::cout << "Example of cpp \n"; float a = 1.0, b = 2.原创 2021-04-12 01:20:26 · 366 阅读 · 0 评论 -
导向滤波原理(Guided Filter)的一些剖析和实践
参考:知乎:导向滤波原理(Guided Filter)CSDN博客:双边滤波与引导滤波原创 2021-03-21 01:54:41 · 1124 阅读 · 0 评论 -
algebraic reconstruction technique (ART)算法
ART算法是图像复原的经典方法.假定线性方程Ax=b,其中A是mn维度,n是输出的像素个数,m是正玄图的个数.x是n1的向量,b也是m*1的向量.最终的迭代方程如下1:其中,bi是b向量中的第i个元素,ai是A矩阵中的第i行.这是一种求解线性方程组的迭代方法,对于数据规模或者维度比较大的时候,SVD方法往往失效.该算法是每次用A矩阵中的一行来解决这个问题,并且假设开始的x0=0.最终该算法可以收敛.对于一个线性方程2:Gm=d.在二维空间,Gm可以看作是在二维空间中的线;在三维空间中,Gm可原创 2021-02-03 23:21:05 · 3648 阅读 · 1 评论 -
傅里叶变换中一些细节
为什么傅里叶变换是对单通道图像进行处理?傅里叶变换与时间或空间信号的强度一起工作,并转换为频率信号的强度。没有一个数字可以表示颜色的强度而不转换为灰度。您可以将图像分成3个不同的图像,分别针对红色,绿色和蓝色分量。这些中的每一个都可以独立进行傅里叶变换处理。当您应用傅立叶变换(FT)(或某些相关变换,例如DCT)时,您正在查看图像中的空间频率。直观地说,这意味着FT重新组织您的图像中的空间信息,以矩阵的形式对应于2D正弦曲线的系数,如果总结,您将获得原始图像。正如Mark Ransom指出的..原创 2021-02-02 15:09:26 · 903 阅读 · 0 评论 -
opencv:傅里叶变换中的相位的计算
#include <opencv2/core.hpp>#include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <iostream>using namespace cv;using namespace std;//快速傅里叶变换void fft2Image(InputArray _src, OutputArray _dst){ //得到Mat类型 Mat原创 2021-02-02 01:38:53 · 2861 阅读 · 0 评论 -
图像复原:逆滤波
逆滤波,就是利用傅里叶反卷积。% deconvolve in frequency domainFimg = fft2(img,599,599);FC = fft2(C);R = FC ./ Fimg;r = ifft2(R);% show deconvolved Gaussianfigure(1);subplot(2,3,1), imshow(img), title('image');subplot(2,3,2), imshow(Z), title('Gaussian');subplo原创 2020-12-25 01:43:04 · 1856 阅读 · 0 评论 -
MATLAB可视化:用鼠标选取ROI
function Zoomer figure(); highResImage = imread('peppers.png'); lowResImage = imresize(highResImage,0.5); a1 = subplot(2,1,1); a2 = subplot(2,1,2); imshow(lowResImage,'Parent',a1); initialPosition = [10 10 100 100]; lowRe原创 2020-11-20 22:59:42 · 1304 阅读 · 0 评论 -
YUV420数据格式存储的可视化案例
YUV,分为三个分量,“Y”表示明亮度(Luminance或Luma),也就是灰度值;而“U”和“V” 表示的则是色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。YUV 4:4:4采样,每一个Y对应一组UV分量。YUV 4:2:2采样,每两个Y共用一组UV分量。YUV 4:2:0采样,每四个Y共用一组UV分量。案例:YUV422P(属于YUV422)(2)YV12,YU12格式(属于YUV420)(3)NV12、NV21(属于YUV420)原创 2020-10-09 14:08:10 · 472 阅读 · 0 评论 -
去卷积:deconvblind
代码:I = imread('cameraman.tif');figure;imshow(I);title('original img');PSF = fspecial('gaussian',7,10);Blurredimg = imfilter(I,PSF,'symmetric','conv');figure;imshow(Blurredimg);title('blurred img');underPSF = ones(size(PSF)-4);[j1,p1] = deconvblin原创 2020-09-17 17:32:06 · 1663 阅读 · 1 评论 -
去卷积:deconvlucy
I = imread('board.tif');I = imcrop(I,[2 50 255 255]); % [xmin ymin width height],这里的大小需要减1,因为x_max = xmin+width,ymin = ymin+heightimshow(I)title('Original Image')PSF = fspecial('gaussian',5,5);blurred = imfilter(I,PSF,'symmetric','conv');V = 0.002;原创 2020-09-09 16:57:24 · 3143 阅读 · 0 评论 -
影像质量测试应该关注的点
参考博客:图像质量评价概述(评估指标、传统检测方法)https://blog.csdn.net/qq_23304241/article/details/80953613原创 2020-08-14 10:00:50 · 289 阅读 · 0 评论 -
图像处理:双边滤波的原理和解析
1.原理公式如上,对高斯滤波进行了优化,前面部分是原来的高斯滤波,空间权重,离中心点越近,权重越大,越接近1,边缘权重越小,越接近0。新增加的项,是从灰度值来做权重参考的,灰度值离中心权重值越大,权重越小,乘以一个趋于0的数字;当灰度值离中心权重值越大,乘以一个越接近于1的数字。如下图所示:上面的图,是从右往左看的,右边是输入图像,左边是输出图像。第一行:当图像在变化程度平缓的区域时,邻域中的像素值(RGB值)差距相差不大。此时wr无限接近于1,因此此时的双边就是普通的高斯滤波,达到对图像平原创 2020-06-28 17:24:41 · 940 阅读 · 0 评论 -
matlab学习:图像的加减乘除操作
图像加法imgRice = rgb2gray(imread('rice.png'));imgCameraman = imread('cameraman.tif');imgCameraman = imgCameraman(:,1:255);addimg = imadd(imgRice,imgCameraman);figure,subplot(131),imshow(imgRice);subplot(132),imshow(imgCameraman);subplot(133),imsho.原创 2020-06-28 12:28:47 · 12103 阅读 · 2 评论 -
深入理解:计算机作业1:datalab-handout
这个作业还是有难度的,每一个小题相当于一个LeetCode题目,大部分自己是没想出来,除了部分上课讲过的。第一小题:取反,与操作,来实现异或功能bitXor - 仅允许使用~和&来实现异或例子: bitXor(4, 5) = 1允许的操作符: ~ &最多操作符数目: 14分值: 1这个需要使用一个数电里面的基本知识,异或等于取反的组合。知乎:理解异或int logicalNeg(int x) { return ((x>>31)^1)&(((x^原创 2020-05-31 01:24:07 · 818 阅读 · 0 评论 -
光学:数值孔径
其中,NA = n * sin α,其中 n 是被观察物体与物镜之间介质的折射率;α 是物镜孔径角(2α)的一半。原创 2020-05-28 13:32:17 · 16782 阅读 · 2 评论 -
红外论文:在不同场景下的距离对红外测温的影响
论文名字:Distance makes the difference in thermography for ecological studiesE. Faye地表温度驱动着许多生态过程,红外热像仪被生态学家广泛用于测量不同物种栖息地的热不均匀性。然而,由于被测表面与相机之间的距离所造成的温度读数的潜在偏差仍未得到充分承认。我们研究了在不同天气条件下,0.3到80米距离对不同热测量值(平均温度、标准差、斑块丰富度和聚集度)的影响,以及对研究表面类型(不同植被表面)的不同结构复杂性的影响。我们发现距离原创 2020-05-26 14:02:55 · 3394 阅读 · 0 评论 -
硬件:串口通信协议理解
听了FPGA组的分享,没有想到有接触到了我读大二在tao哥实验室做的东西,即串口通信,RS232。当年我也是那个自己焊接口,拿着示波器到处量的人,几年之后,又见到了这个曾今很熟悉的东西。重新学习一波吧,感觉分享会也没有讲的很清晰。数字电子设备中有不同类型的数据传输,例如串行通信和并行通信。类似地,协议分为两种类型,例如串行通信协议和并行通信协议。并行通信协议的示例是ISA,ATA,SCSI,PCI和IEEE-488。类似地,有一些串行通信协议的示例,例如CAN,ETHERNET,I2C,SPI,RS232原创 2020-05-17 00:14:51 · 1429 阅读 · 0 评论 -
非均匀NUC:Nonuniformity correction algorithm with efficient pixel offset estimation for infrared focal
论文名字:Nonuniformity correction algorithm with efficient pixel offset estimation for infrared focal plane arrays论文地址:https://link.springer.com/content/pdf/10.1186/s40064-016-3534-1.pdf创新的内容,对经典的两点校正,增加了一个更新,会减去暗平均响应。两点校正经典公式如下:修改以后的公式:其中:减去的分别是时间和空间原创 2020-05-14 18:24:14 · 622 阅读 · 0 评论 -
红外:相关参数特性-图像性能
伪彩色标记有几个常用的伪彩色类别:白热,红热,琥珀,彩虹,冷金属,黑热,铁热。热敏度60mK,指温度变化0.6度,探测器可以检测出来。300K,指在t=300K-273.15=26.85(℃).体温环境下的检测标准。测温范围:-40°~ 650°;-40°~ 85°;-20~65°;-40 ~ 60度测温精度:±2%,图像格式JPEG,14位,Pixel pitch是指显示器的像素间距.大部分是17um,目前最好的是12um.图像输出接口:14位LVDS,..原创 2020-05-14 18:21:19 · 3127 阅读 · 0 评论 -
红外:非均匀性校正01_基本原理与基本方法
非均匀校正(nonuniformity correction,NUC) 基本原理这里要表达的意思就是:图中每一条直线对应一个像素点的,亮度/辐照度的情况。由于硬件的关系,每一个像素点的线性响应很不一样,所以需要通过矩阵来校正。校正原理:一点校正两点校正其他原理介绍:参考链接:基于多项式拟合的红外焦平面非均匀校正课件:光电成像——非均匀性校正红外图像非均匀性校正相关汇总红外非均匀性校正算法总结红外图像非均匀矫正——一点矫正...原创 2020-05-12 11:02:58 · 15016 阅读 · 6 评论