数字图像处理
随便写写啥
互联网搬砖码农
展开
-
图像去噪
对于我一个初学者,首先区别于一个概念。 一、 图像去噪 与 图像增强 图像去噪:是降低图像中没有用或干扰有用信息的操作。比如降低随着图像捕捉进来的CCD噪音,传输时带入的电子干扰噪音。所以做好降噪操作就必须了解噪音来源,噪音特征。图像增强:是突出图像中有用信息的操作。比如电视图像的细节,比如医用图像中目标轮廓和原创 2014-03-10 23:28:25 · 6141 阅读 · 1 评论 -
《数字图像处理》——图像分割之阈值阈值——双峰法
1996年,Prewitt提出了直方图双峰法,即如果灰度级直方图呈明显的双峰状,则选取两峰之间的谷底所对应的灰度级作为阈值。注意:应用灰度直方图双峰法来分割图像,也需要一定的图像先验知识,因为同一个直方图可以对应若干个不同的图像,直方图只表明图像中各个灰度级上有多少个象素,并不描述这些象素的任何位置信息。该方法不适合直方图中双峰差别很大或双峰间的谷比较宽广而平坦的图原创 2015-01-02 18:04:08 · 26226 阅读 · 0 评论 -
简单的实现图像的水平和垂直翻转
实现图像的翻转有很多变换可以实现,比如:图像的刚性变换、彷射变换、几何变换等、下面提供一种新的思路,在Matlab中直接对数组操作,实现图像的水平和垂直翻转。原创 2014-12-14 09:58:36 · 3463 阅读 · 0 评论 -
求灰度图像最大灰度,最小灰度,平均灰度
首先在Matlab中,我们可以用自带的图像处理函数,实现这种简单灰度的提取功能,也可以自己实现。下面贴出代码。clear all;clc;str = pwd;index_dir = findstr( str, '\' );str_temp = str( 1 : index_dir(end) );filename = strcat( str_temp, '3_自制图片库\lena.bmp原创 2014-12-14 08:24:38 · 18208 阅读 · 3 评论 -
高斯拉普拉斯算子(Laplace of Gaussian)
高斯拉普拉斯(Laplace of Gaussian)[email protected]://blog.csdn.net/kezunhai Laplace算子作为一种优秀的边缘检测算子,在边缘检测中得到了广泛的应用。该方法通过对图像求图像的二阶倒数的零交叉点来实现边缘的检测,公式表示如下:由于Laplace算子是通转载 2014-12-30 09:13:06 · 6427 阅读 · 0 评论 -
【OpenCV入门教程之十三】OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放
本系列文章由@浅墨_毛星云 出品,转载请注明出处。 文章链接: http://blog.csdn.net/poem_qianmo/article/details/26157633作者:毛星云(浅墨) 微博:http://weibo.com/u/1723155442知乎:http://www.zhihu.com/转载 2014-12-29 21:47:49 · 948 阅读 · 0 评论 -
【OpenCV】SIFT原理与源码分析:DoG尺度空间构造
http://blog.csdn.net/xiaowei_cqu/article/details/8067881《SIFT原理与源码分析》系列文章索引:http://blog.csdn.net/xiaowei_cqu/article/details/8069548尺度空间理论自然界中的物体随着观测尺度不同有不同的表现形态。例如我们形容建筑物用“米”,观测分子、原子等用“纳米转载 2014-12-29 21:15:18 · 852 阅读 · 0 评论 -
log算子 和dog 算子
LOG算子分类: 【Computer Vision】 【MATLAB/SCILAB】2013-11-09 18:51 389人阅读 评论(0) 收藏 举报计算机视觉图像分析特征检测特征提取LOG算子目录(?)[+]背景引言在博文差分近似图像导数算子之Laplace算子中,我们提到Laplace算子对通过图像进行操作实现边缘检测转载 2014-12-29 21:48:39 · 1987 阅读 · 0 评论 -
计算机视觉、机器学习相关领域论文和源代码大集合
一、特征提取Feature Extraction:· SIFT [1] [Demo program][SIFT Library] [VLFeat]· PCA-SIFT [2] [Project]· Affine-SIFT [3] [Project]· SURF [4] [OpenSURF] [M转载 2014-12-30 17:29:49 · 649 阅读 · 0 评论 -
《数字图像处理》——图像的二阶微分
在图像的二阶微分中,主要是需要掌握图像的拉普拉斯算子。 拉普拉斯是个线性的算子。 具有旋转不变性。 二阶微分在增强图像细节方面要比一阶微分好得多。可通过如下代码产生: fspecial('laplacian', 0)ans = 0 1 0原创 2014-12-26 08:41:58 · 3601 阅读 · 0 评论 -
《数字图象处理》——直方图均衡化
在直方图的基础上,也就出现了直方图的均衡化。 直方图均衡化的处理过程中就是在寻找一个变换函数(经常用累积分布函数(CDF)来当作变换函数),为什么呢?这在matlab冈萨雷斯书里面有严格证明,详见72-77页(第三版,注意是讲理论那个版本,冈萨雷斯有两个版本的书,一本介绍理论,一本matlab版本),我就不码出来了。下面重点介绍直方图均衡化的具体实现过程。主要分以下四步:原创 2014-12-25 10:04:48 · 1695 阅读 · 0 评论 -
《数字图像处理》——直方图统计
直方图在数字图像处理中应用的很广泛,是图像空域处理中很重要的增强手段;除了应用在图像增强领域,直方图技术还经常应用在二值化中,用于阈值的选择。 下面简单介绍并实现图像的直方图:图像直方图就是一个对不同像素点出现的次数统计求和过程,很简单。在matlab中有很多方法可以实现,我这里列举我比较喜欢的两种方法。第一种:for i = 0 : 255 % 对于灰度图像,只有256个灰原创 2014-12-25 09:35:39 · 5673 阅读 · 0 评论 -
《数字图像处理》——图像滤波之实现均值滤波
这里主要通过实现一个均值滤波来阐述图像滤波的具体操作。本系列博客,注重图像处理领域基本算法的原理,主要用matlab语言实现。1、滤波模板的产生首先,滤波要有模板,在matlab中。得到模板的途径主要有两种,一种是自己定义,另一种是通过调用函数fspecial得到各种类型的模板。下面看一个均值滤波器的模板的产生,模板就是一个矩阵,这个没疑问吧!!! fspecial('a原创 2014-12-25 10:47:48 · 4356 阅读 · 1 评论 -
《数字图像处理》——图像滤波
首先,图像滤波主要涉及线性滤波和非线性滤波两大类。 线性滤波主要有:方框滤波器,均值滤波器,高斯滤波器(注意:滤波器的名字,通常是根据他们的核的使用来命名的,核也可以叫做模板,掩膜,窗口,空间滤波器。名字好多!!!) 非线性滤波器主要有:中值滤波和双边滤波。 1、向量之间的卷积与相关 图像滤波就是让一个图像和一个掩膜去做卷积运算,所原创 2014-12-25 10:27:16 · 1427 阅读 · 0 评论 -
《数字图像处理》——图像的一阶微分之图像梯度
首先要知道梯度是个什么概念,在数学中我们知道梯度是一个向量,函数在一点的梯度在数学上它是这么定义的:它的方向是函数在这点的方向导数取得最大值的方向,它的模就等于方向导数的最大值。 梯度经常用robert交叉微分算子,Prewitt微分算子,sobel算子来实现。 梯度经常应用在图像的边缘检测和边缘增强上面,这和它的一阶微分性质有关。 梯度赋值具有旋转原创 2014-12-25 11:38:49 · 6199 阅读 · 2 评论 -
《数字图像处理》——高斯模板的产生
我们知道在实现高斯滤波的时候,需要用到高斯模板,高斯模板也就是个点的值服从高斯分布。这里主要参考这篇博客:点击打开链接代码如下:% 本程序目的在生成自己的高斯模板% 公式: p(z) = exp(-(z-u)^2/(2*d^2) / (sqrt(2*pi)*d)clear all;close all;clc;size = 3;sigma = 0.5;% size为模板大小原创 2014-12-25 10:58:20 · 2245 阅读 · 0 评论 -
《数字图像处理》——形态学图像处理
1、二值图像形态学 基本操作主要有:腐蚀、膨胀、开闭操作、击中或不击中(imerode、imdilate、imopen、imclose、bwhitmiss) 下面就是bug般强大的函数bwmorph,内部也就是各种switch、case 统计连通分量函数bwlabel,这个函数蛮有用的,可用在分割,分水岭算法中就用了这个。 下面是一些应用:原创 2015-01-08 09:53:44 · 1527 阅读 · 0 评论 -
《数字图象处理——基本的灰度变化》
基本的灰度变换是基于图像的空间域(图像空间域:即指的是图像平面本身;对应的是图像的变换域)进行像素点对点的操作,具体的变换有:图像反转、对数变换、幂律(伽马)变换、分段线性变换等等。1、图像反转:主要是依据公式:s = L - 1 - r 进行图像的灰度范围进行反转。具体看代码。% 图像反转% 适用于增强嵌入在一副图像的暗区域中的白色或灰色细节im = imread('原创 2014-12-17 21:33:55 · 803 阅读 · 0 评论 -
《数字图像处理》——图像分割概述
图像分割大致分以下几类:阈值分割—p分位数法阈值分割—双峰法阈值分割—迭代法阈值分割—Otsu法区域分割—区域生长区域分割—区域分裂和合并区域分割—Watershed(分水岭)活动轮廓—Snake活动轮廓—Condensation(卡尔曼滤波)活动轮廓—Level Sets聚类分割—K-means聚类分原创 2015-01-02 17:51:01 · 1180 阅读 · 0 评论