![](https://img-blog.csdnimg.cn/2019092715111047.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
数字图形和图像处理
文章平均质量分 91
计算机图像处理,图形学理论和实践。
优惠券已抵扣
余额抵扣
还需支付
¥29.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
无水先生
擅长数学,能熟练应用泛函分析、统计学、随机过程、逼近论、微分几何、非欧几何(双曲、共形)等数学理论,有数学建模能力。从事图像处理二十年以上,从事人工智能行业10年以上;在船舶、通信、铁路、教育等行业开发软件产品。
展开
-
距离场和距离变换:distance_transform
你知道图像处理的骨架这个概念吗?如果知道,你能解释清楚什么算法生成骨架吗?从一堆横竖叠加的扑克牌中,你能整理出几张牌,并保存牌的花色信息吗?如果您对上述提问存在疑虑,那么就好好看看本文吧。原创 2024-01-15 09:42:25 · 781 阅读 · 0 评论 -
破译模式:模式识别在计算机视觉中的作用
在当代数字领域,计算机视觉中的模式识别是关键的基石,推动着众多技术进步和应用。本文探讨了计算机视觉中模式识别的本质、方法、应用、挑战和未来趋势。通过使机器能够识别和解释视觉数据中的模式,模式识别不仅推动了计算机视觉领域的发展,而且对社会和工业的各个领域产生了重大影响。原创 2023-12-12 09:35:26 · 1803 阅读 · 0 评论 -
python知识:openCV实现鼠标事件捕获
用opencv实现简单画图程序:# -*- coding: utf-8 -*-import cv2import numpy as np #mouse callback functionstate = Falsedef MyCallBack(event,x,y,flags,param): global state if event == cv2.EVENT_LBUTTONDOWN: state = True elif event == cv2.EVEN.原创 2022-02-02 16:27:01 · 6737 阅读 · 0 评论 -
机器视觉-特征点检测:【2】Harrs角点检测原理
Harris角点检测是一种常用的计算机视觉算法,用于检测图像中的角点。它的原理是使用自适应窗口,在每个像素处计算其在该窗口内的灰度值变化量,即在不同方向上移动窗口后的灰度值变化量的平方和。如果该值超过一个阈值,则认为该像素是角点,因为角点处存在着较大的灰度变化。原创 2022-03-06 22:35:04 · 5298 阅读 · 0 评论 -
探索拉普拉斯算子:计算机视觉中用于边缘检测和图像分析的关键工具
拉普拉斯算子是 n 维欧几里得空间中的二阶微分算子,表示为 ∇²。它是函数梯度的发散度。在图像处理的上下文中,该运算符应用于图像的强度函数,可以将其视为每个像素具有强度值的二维信号。拉普拉斯算子是计算机视觉领域的关键工具,广泛用于各种用途,如边缘检测、图像锐化和图像空间结构分析。本文深入探讨了拉普拉斯算子的概念、其数学基础、在计算机视觉中的应用及其一些局限性。原创 2023-12-18 09:12:40 · 1514 阅读 · 1 评论 -
计算机视觉(P2)-计算机视觉任务和应用
在本文中,我们将探讨主要的计算机视觉任务以及每个任务最流行的应用程序。原创 2023-12-13 21:12:36 · 1806 阅读 · 0 评论 -
图像处理中的角点检测Python-OpenCV 中的实现
在图像处理的背景下,“特征”可以直观地理解为图像中易于识别并用于表示图像的独特或独特的部分。将特征视为图像中使其可区分的“地标”或“焦点”。为了使这一点更具关联性,请考虑一下您如何识别现实生活中熟悉的地方或物体。原创 2023-12-06 10:26:52 · 1795 阅读 · 2 评论 -
用于图像处理的高斯滤波器 (LoG) 拉普拉斯
欢迎来到拉普拉斯和高斯滤波器的拉普拉斯的故事。LoG是先进行高斯处理,继而进行拉普拉斯算子的图像处理算法。用拉普拉斯具有过零功能,实现边缘岭脊提取。原创 2023-11-09 08:46:03 · 3571 阅读 · 0 评论 -
图像的特征点描述与提取
特征点算法是图像处理中主要算法之一,它是图像物体匹配的关键步骤,因此,是个极其重要的题目,至今依旧研究不断,本篇讲述历年来学者在领域研究的突出贡献,即六种不同的特征点提取办法,供学习者参考学习。原创 2023-10-25 11:51:47 · 2642 阅读 · 2 评论 -
在 Python 中使用 Pillow 进行图像处理【2/4】
该文是《在 Python 中使用 Pillow 进行图像处理》的第二部分,主要介绍pil库进行一般性处理:如:图像卷积、钝化、锐化、阈值分割。原创 2023-10-22 11:27:47 · 3842 阅读 · 3 评论 -
从头开始使用 KNN 进行 KNN 和 MNIST 手写数字识别的初学者指南
MNIST(“修改后的国家标准与技术研究所”)是事实上的计算机视觉“hello world”数据集。自 1999 年发布以来,这个经典的手写图像数据集一直作为分类算法基准测试的基础。随着新的机器学习技术的出现,MNIST 仍然是研究人员和学习者的可靠资源。原创 2023-10-22 09:37:23 · 2660 阅读 · 0 评论 -
探索图像分割技术:使用 OpenCV 的分水岭算法
图像分割是计算机视觉的一个基本方面,多年来经历了巨大的转变。这将是一系列三篇博客文章,深入研究三种不同的图像分割技术 - 1使用OpenCV的经典分水岭算法,2使用PyTorch实现的基于深度学习的UNet模型,3 SOTA图像分割模型。同时,这部分重点介绍分水岭算法及其使用 OpenCV 的实现。在下一部分中,我们还将在人类分割数据集上训练UNet模型,展示基于深度学习的技术的强大功能和适用性。原创 2023-10-22 08:45:03 · 2501 阅读 · 0 评论 -
【Pillow库的内涵】01/3 进行基本图像操作
Pillow 具有被 Python 社区广泛使用的优势,并且它不像其他一些图像处理库那样具有陡峭的学习曲线。应用PIL库的Image对象,益处很多,首先它可以处理网上URL文件,其次,图片可以方面转化成int32、64或float类型,因而可以方便实现变换和显示uint8。尤其和Tkinter搭配,用起来非常方便顺手。原创 2023-10-22 00:33:51 · 2346 阅读 · 0 评论 -
探索图像分割技术:使用 OpenCV 的分水岭算法
图像分割是计算机视觉的一个基本方面,多年来经历了巨大的转变。这将是一系列三篇博客文章,深入研究三种不同的图像分割技术 - 1使用OpenCV的经典分水岭算法,2使用PyTorch实现的基于深度学习的UNet模型,3 SOTA图像分割模型。同时,这部分重点介绍分水岭算法及其使用 OpenCV 的实现。在下一部分中,我们还将在人类分割数据集上训练UNet模型,展示基于深度学习的技术的强大功能和适用性。原创 2023-10-21 08:03:15 · 1167 阅读 · 0 评论 -
【OpenCV概念】 11— 对象检测
这都是关于物体识别的。物体识别是指通过计算机视觉技术,自动识别图像或视频中的物体及其属性和特征,是人工智能领域的一个分支。物体识别可应用于多个领域,包括工业自动化、智能家居、医疗、安防等。请随时阅读这篇文章:类似哈尔的功能(维基百科))原创 2023-10-20 01:00:15 · 3272 阅读 · 0 评论 -
【图像处理】SIFT角点特征提取原理
提起在OpenCV中的特征点提取,可以列出Harris,可以使用SIFT算法或SURF算法来检测图像中的角特征点。本篇围绕sift的特征点提取,只是管中窥豹,而更多的特征点算法有:原创 2023-09-29 12:01:45 · 3461 阅读 · 1 评论 -
图像处理: 马赛克艺术
技术洞察力是马赛克创作和欣赏的关键,而艺术的技术方面需要特别强调。马赛克还具有重要的风格、宗教和文化方面,它在西方艺术中发挥了重要作用,并出现在其他文化中。原创 2023-09-28 22:45:14 · 16432 阅读 · 0 评论 -
数字图像滤波的本质
图像过滤不仅仅是让照片看起来更好;这是关于制作图像的故事。无论是降低医学扫描中的噪音,锐化考古文物的复杂细节,还是检测自动驾驶汽车的边缘,图像过滤器都发挥着关键作用。他们通过强调某些特征同时制服其他特征来塑造叙事。原创 2023-09-10 15:09:18 · 2539 阅读 · 1 评论 -
使用 Python 的高效相机流
让我们谈谈在Python中使用网络摄像头。我有一个简单的任务,从相机读取帧,并在每一帧上运行神经网络。对于一个特定的网络摄像头,我在设置目标 fps 时遇到了问题(正如我现在所理解的——因为相机可以用 mjpeg 格式运行 30 fps,但不能运行原始),所以我决定深入研究 FFmpeg 看看它是否有帮助。原创 2023-09-07 00:05:13 · 4007 阅读 · 5 评论 -
综述:计算机视觉中的图像分割
这篇文章是关于图像分割的探索,这是解决计算机视觉问题(如对象检测、对象识别、图像编辑、医学图像分析、自动驾驶汽车等)的重要步骤之一。让我们从介绍开始。原创 2023-08-14 16:59:55 · 4466 阅读 · 0 评论 -
快速简单:轻松计算物体距离
所以在过去的几天里,我在各种互联网资源中翻找,寻找使用单目视觉计算物体距离的方法。在此过程中,我发现了基于深度学习的单目深度估计模型和一些基于地标的距离近似方法。考虑到我对这个问题的低资源替代方案的执拗,发现只能唯一地选择下例。原创 2023-08-07 15:01:52 · 3132 阅读 · 0 评论 -
图像分割的简史:从CNN到掩模R-CNN
在Athelas,我们使用卷积神经网络 (CNN) 不仅仅是分类!在这篇文章中,我们将看到如何在图像实例分割中使用CNN,并取得很好的效果。原创 2023-07-11 06:08:46 · 4628 阅读 · 0 评论 -
【图像处理】使用自动编码器进行图像降噪
自动编码器是一种学习压缩和重建输入数据的神经网络。它由一个将数据压缩为低维表示的编码器和一个从压缩表示中重建原始数据的解码器组成。该模型使用无监督学习进行训练,旨在最小化输入和重建输出之间的差异。自动编码器可用于降维、数据去噪和异常检测等任务。它们在处理未标记数据时非常有效,并且可以从大型数据集中学习有意义的表示。原创 2023-07-24 16:28:57 · 4982 阅读 · 2 评论 -
【图像处理】图像白平衡处理
这就是我们今天要说的——图像增强!图像增强由一组用于优化图像的技术组成。这样,图像在视觉上变得更容易被人类感知,这反过来将进一步促进改进的图像处理分析。图像增强处理技术包括以下几种:傅里叶变换-白平衡-直方图操作,对于本文,讨论将围绕在 Python 中使用各种白平衡算法进行图像增强展开。原创 2023-06-12 11:07:35 · 4566 阅读 · 0 评论 -
【图像处理】使用 Python 进行图像增强
图像增强技术的深度和复杂性往往在一系列捕获和共享中被忽视。从傅里叶变换到白平衡和直方图处理,各种方法都可以将普通照片转换为引人注目的图像。这篇博文旨在解开这些技术。原创 2023-07-13 10:43:46 · 5331 阅读 · 0 评论 -
使用 OpenCV 和 GrabCut 算法进行交互式背景去除
我想,任何人都可以尝试从图像中删除背景。当然,有大量可用的软件或工具能够做到这一点,但其中一些可能很昂贵。但是,我知道有人使用窗口绘画3D魔术选择或PowerPoint背景去除来删除背景。如果您是计算机视觉领域的初学者,这可能适合您。让我们马上开始吧!哦,没有使用太多代码...原创 2023-07-25 05:39:21 · 3918 阅读 · 0 评论 -
【图像处理】植物叶识别和分类
这是国外某个学生团队尝试用机器学习方法对植物叶进行识别分类的实验。实验给出若干张植物叶图片,针对这些图片,对特征进行测量、提取、重组,最后用机器学习方法实现;该具备一定的参考价值。原创 2023-06-10 14:29:13 · 6282 阅读 · 4 评论 -
机器视觉:ransac算法详解
RANSAC是一种常用的参数估计方法,全称为Random Sample Consensus(随机抽样一致性)。它通过随机选择数据中的一部分,然后根据这些数据拟合模型,统计模型与其他数据的偏差,最终筛选出符合一定阈值的数据,用于估计参数。原创 2021-01-18 17:30:35 · 29631 阅读 · 1 评论 -
【图像处理】经营您的第一个U-Net以进行图像分割
AI厨师们,今天您将学习如何准备计算机视觉中最重要的食谱之一:U-Net。本文将叙述:1语义与实例分割,2 图像分割中还使用了其他损失,例如Jaccard损失,焦点损失;3 如果2D图像分割对您来说太容易了,您可以查看3D图像分割,因为模型要大得多,因此要困难得多。原创 2023-07-13 12:44:58 · 3814 阅读 · 0 评论 -
如何使用 SVG 作为占位符和其他图像加载技术
我们对图像性能优化和使图像在网络上快速加载充满热情。最有趣的探索领域之一是占位符:当图像尚未加载时要显示的内容。在过去,我遇到了一些使用 SVG 的加载技术,我想在这篇文章中描述它们。原创 2023-07-14 11:23:53 · 3100 阅读 · 0 评论 -
【深度学习】:用于 GAN 的生成器架构 - 生成人脸
生成对抗网络(GAN)是机器学习中一个相对较新的概念,于2014年首次推出。他们的目标是合成与真实图像无法区分的人工样本,例如图像。GAN 应用程序的一个常见示例是通过从名人人脸数据集中学习来生成人工人脸图像。原创 2023-07-12 11:37:34 · 5165 阅读 · 0 评论 -
【深度学习】目标检测的全面回顾
随着自动驾驶汽车、智能视频监控、面部检测和各种人数统计应用的兴起,对快速准确的物体检测系统的需求也在不断增长。这些系统不仅涉及识别和分类图像中的每个对象,还涉及通过在图像周围绘制适当的边界框来定位每个对象。这使得对象检测比其传统的计算机视觉前身图像分类更难完成。原创 2023-07-12 12:13:13 · 6599 阅读 · 0 评论 -
图像处理:Hough变换原理分析
别看Hough变换似乎简单,但是,不发挥一下数学理论的功力是不可能理解的;本人早十几年前就用Hough,也一直想写Hough变换,但一懒就是10几年,乘春节前有空,就将Hough的详细细节揭秘出来,供大家参考。原创 2022-01-12 17:34:52 · 7386 阅读 · 4 评论 -
基础理论:集合的Hausdorff距离
An introduction to the Gromov-Hausdorff distance在数学中,Hausdorff 距离或 Hausdorff 度量,也称为 Pompeiu-Hausdorff 距离,[1][2] 测量度量空间的两个子集彼此之间的距离。它将度量空间的非空紧凑子集的集合转换为本身的度量空间。它以菲利克斯豪斯多夫和迪米特里庞培命名。非正式地,如果任一集合的每个点都靠近另一集合的某个点,则两个集合在 Hausdorff 距离上是接近的。 Hausdorff 距离是对手在两个集合之原创 2022-02-09 07:54:13 · 10253 阅读 · 0 评论 -
【图像处理】关于颜色的万花筒(RGB和HSV互换)
从模式识别的角度看,彩色的颜色绝对是一个重要模式,在色彩基础上去实现目标识别是一个好的选项。然而颜色识别也需要一个泛化过程,BGR颜色转化成HSV就是一个好的泛化过程,说白了,在HSV上识别颜色比在BGR上更有利。原创 2022-09-03 20:21:51 · 7087 阅读 · 0 评论 -
【图像处理】德里奇( Deriche)边缘检测器
Deriche边缘检测,同canny算法齐名,因此,知道canny原理,也有必要知道德里奇的检测原理。本篇专门针对德里奇算法展开讨论。原创 2022-09-06 15:15:56 · 5002 阅读 · 2 评论 -
【计算几何】大自然的数学模型--分形几何
分形几何是几何数学中的一个分支,也称大自然几何学,由著名数学家本华曼德勃罗( 法语:BenoitB.Mandelbrot)在 1975 年构思和发展出来的一种新的几何学。分形几何是对大自然中微观与宏观和谐统一之美的发现,并且揭示的部分只是冰山之一角,相信在人类认知的进步下,会开出一朵接一朵的美丽花朵。原创 2022-09-07 17:17:49 · 5606 阅读 · 0 评论 -
【数学模型】欧拉公式和证明
在图型学中,欧拉公式很有用处,比如皮克定律也可以用欧拉公式证明。本篇介绍欧拉公式的定义和证明过程。原创 2023-04-17 11:02:01 · 5375 阅读 · 0 评论 -
【图像处理 -1图像恢复】非线性过滤器修复图像
在本文中,我们提出了一种新的处理方法图像使用不同的过滤方法 by Image恢复。目的是增强数字图像,重建它从嘈杂的图像变成原始形式。这篇论文是一个可用于图像的有效算法概述恢复。为此,技术是在非的基础上使用的线性滤波器来恢复图像。直方图的表现仔细检查和比较自适应模糊 (HAF) 滤波器与其他过滤器,如加权模糊均值 (WFM) 过滤器,基于最小-最大检测器 (MDB) 的滤波器,自适应模糊均值 (AFMF) 滤波器、中心加权均值 (CWM)过滤器,以及最小-最大互斥均值(MMEM)过滤器的基础上的(峰值信噪原创 2022-12-18 12:22:13 · 4295 阅读 · 0 评论 -
图像处理的OTSU算法
大津法(OTSU)是一种确定图像二值化分割阈值的算法,由日本学者大津于1979年提出。从大津法的原理上来讲,该方法又称作最大类间方差法,因为按照大津法求得的阈值进行图像二值化分割后,前景与背景图像的类间方差最大原创 2022-10-12 13:16:32 · 4462 阅读 · 0 评论