图像处理
文章平均质量分 75
Ian ma
这个作者很懒,什么都没留下…
展开
-
傅立叶变换在图像处理中的作用
从现代数学的眼光来看,傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域,傅里叶变换具有多种不同的变体形式,如连续傅里叶变换和离散傅里叶变换。傅立叶变换属于调和分析的内容。"分析"二字,可以解释为深入的研究。从字面上来看,"分析"二字,实际就是"条分缕析"而已。它通过对函数的"条分缕析"来达到对复杂函数的深入理解和研究。从哲学上看,转载 2015-11-18 11:05:02 · 4255 阅读 · 1 评论 -
【算法】Canny边缘检测
转载自Ronny的技术成长之路——边缘检测Canny边缘检测canny边缘检测实际上是一种一阶微分算子检测算法,但为什么这里拿出来说呢,因为它几乎是边缘检测算子中最为常用的一种,也是个人认为现在最优秀的边缘检测算子。Canny提出了边缘检测算子优劣评判的三条标准: 1. 高的检测率。边缘检测算子应该只对边缘进行响应,检测算子不漏检任何边缘,也不应该将非边缘标记为边缘。 2. 精确定位。检测到的边转载 2016-01-12 19:11:11 · 1547 阅读 · 0 评论 -
【算法】Harris角点算法matlab程序
Harris角点算法实现基本原理人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口,窗口内区域的灰度发生了较大的变化,那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时,窗口内图像的灰度没有发生变化,那么窗口内就不存在角点;如果窗口在某一个方向移动时,窗口内图像的灰度发生了较大的变化,而在另一些方向上没有发生变化,那么,窗口内的图像可能就原创 2016-01-14 21:43:03 · 16923 阅读 · 2 评论 -
【Matlab】图像插值函数interp2理解
图像插值就是利用已知邻近像素点的灰度值(或rgb图像中的三色值)来产生未知像素点的灰度值,以便由原始图像再生出具有更高分辨率的图像。通过例子来理解interp2函数:[X,Y] = meshgrid(-3:3); %产生网格坐标V = peaks(X,Y); %通过网格坐标计算函数值,产生三维凹凸面figuresurf(X,Y,V)title('Original Sampli原创 2016-05-10 23:47:35 · 27310 阅读 · 2 评论 -
【图像算法】高斯混合模型(GMM)
高斯模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。对图像背景建立高斯模型的原理及过程: - 图像灰度直方图反应的是图像中某个灰度值出现的频次,也可以认为是图像灰度概率密度的估计。 - 如果图像所包含的目标区域和背景区域相差比较大,且背景区域和目标区域在灰度上有一定的差异,那么该图像的灰度直方图呈现双峰-谷形状,其中转载 2016-05-30 16:55:56 · 6035 阅读 · 0 评论 -
图像处理基本思想和算法研究
刚开始想把这部分内容命名为“基本算法”,意在介绍图像处理中的一些基本算法,后来仔细想想决定不这么写,因为图像处理是一个非常大的概念,图像处理不等于人脸识别,也不等于模式识别,直接介绍诸如图像处理基本算法之类的内容很容易写成空话,没有什么实际意义。读者有兴趣的话可以直接谷歌百度“图像处理十大经典算法”,上面有我想说的内容。万变不离其宗,算法是死的,重在思想。举个例子,我个人是主攻模式识别方向,在这个方转载 2016-05-09 20:38:07 · 8421 阅读 · 1 评论 -
嵌入式系统中的目标识别技术
目标检测和识别是计算机视觉系统的一个必不可少的组成部分。在计算机视觉中,首先是将场景分解成计算机可以看到和分析的组件计算机视觉的第一步是特征提取,即检测图像中的关键点并获取有关这些关键点的有意义信息。特征提取过程本身包含四个基本阶段:图像准备、关键点检测、描述符生成和分类。实际上,这个过程会检查每个像素,以查看是否有特征存在于该像素中。特征提取算法将图像描述为指向图像中的关转载 2016-06-07 16:45:07 · 2590 阅读 · 0 评论 -
基于特征匹配的英文印刷字符识别代码自己的注释
function MainFormglobal bw;global bl;global bll;global s;global fontSize;global charpic;global hMainFig;global pic;global hText;clc; close all; warning off all;%目录检,如果当前目录不存在pic文件,则创建if ~原创 2016-06-13 16:02:27 · 5038 阅读 · 1 评论 -
Matlab如何在图上画包围目标区域的矩形(或圆)
1.rectangle函数功能:创建二维矩形对象。rectangle函数可以用来画矩形、椭圆、圆,画椭圆和圆时需要设置曲率。rectangle('Position',[x,y,w,h])从点(x,y)开始绘制一个宽w高h的矩形,对坐标轴数据单元指定值。rectangle(...,'Curvature',[x,y])指定矩阵边的曲率,可以使它从矩形到椭圆不同变化,水平曲率x为原创 2016-06-12 13:17:45 · 36882 阅读 · 3 评论 -
【图像基础】局部特征点的理解
图像特征提取是图像分析与图像识别的前提,它是将高维的图像数据进行简化表达最有效的方式,从一幅图像的M×N×3的数据矩阵中,我们看不出任何信息,所以我们必须根据这些数据提取出图像中的关键信息,一些基本元件以及它们的关系。局部特征点是图像特征的局部表达,它只能反正图像上具有的局部特殊性,所以它只适合于对图像进行匹配,检索等应用。对于图像理解则不太适合。而后者更关心一些全局特征,如颜色分布,纹理特征,主要原创 2016-01-11 22:03:44 · 2613 阅读 · 0 评论 -
尺度空间原理
转自点击打开链接http://www.cnblogs.com/ronny/p/3886013.html1. 特征的不变性何谓特征?每个物体,我们总可以用一些词语或部件来描述它,比如人脸的特征:两个眼睛、一个鼻子和一个嘴巴。对于图像而言,我们需要计算机去理解图像,描述图像就需要计算机去取得图像的特征,对图像比较全面的描述即一个二维矩阵,矩阵内的每个值代表图像的亮度。有时候我们需要转载 2016-01-10 22:15:22 · 1208 阅读 · 1 评论 -
【图像基础】尺度空间:尺度的选择[经验之谈]
转载自:Ronny的技术成长之路 一般我们采集到的图像中,我们并不知道我们感兴趣的目标在图像中的尺度,在这样的情况下,我们对图像进行分析时就无法选择合适的参数,比如边缘检测,可能由于参数不当,而造成过多的局部细节。如下图所示:红色圆圈内的斑点的大小(直径)比例对应着两幅图像之间尺度比例(scale ratio)。 如果对两幅图像采用相同的固定尺度的LoG检测器检测,很难将这两个斑点检测出来。转载 2016-01-17 15:11:06 · 3126 阅读 · 0 评论 -
【matlab函数】conv2、filter2、imfilter的区别
conv2函数1、用法 C=conv2(A,B,shape); %卷积滤波 A:输入图像,B:卷积核 假设输入图像A大小为ma x na,卷积核B大小为mb x nb,则 当shape=full时,返回全部二维卷积结果,即返回C的大小为(ma+mb-1)x(na+nb-1) shape=same时,返回与A同样大小的卷积中心部分 shape=valid时,不考虑边界补零,即转载 2016-01-19 22:35:59 · 12844 阅读 · 0 评论 -
击中击不中变换的作用理解
学习形态学变换的时候,看到击中击不中变换一直百思不得其解,虽然他的定义写的很清楚明白,但是不知道具体是干嘛用的,按照自己的理解写了一个matlab小程序来试试。1、击中击不中变换是形态学形状检测的基本工具,是用来查找像素局部模式的形态学运算符。‘局部’是指‘结构元素’的大小。两个不相交集合B={B1,B2},称B为复合结构元素。则击中击不中变换为:文字描述感觉更清楚:用B1去腐蚀X原创 2015-12-01 13:17:34 · 34131 阅读 · 12 评论 -
图像特征提取,斑点检测
斑点是数字图像的主要特征,是区域检测的一种特例,是许多特征生成、目标识别等方法的重要预处理环节。斑点通常和关键点(keypoint),兴趣点(intrestpoint)以及特征点(featurepoint)表示同一个概念。斑点通常指与周围有着颜色和灰度区别的区域。从远处看,一棵树是一个斑点,一块草地、一栋房子也可看成斑点。主要有LoG斑点,DoH斑点以及Gilles斑点。1、LOG斑点原创 2016-01-05 22:21:20 · 23348 阅读 · 2 评论 -
车牌定位matlab程序:通过hsv彩色分割方式定位车牌
最近看了《基于数字图像处理的车牌识别研究》这篇论文,对车牌识别知识讲的很仔细,推荐。1.(摘自《基于数字图像处理的车牌识别研究》)通过对大量车牌图像的分析,可以发现对于具有某种目标色的像素,可以直接通过对H、s、v三分量设定一个范围来把它们过滤出来,无需进行较复杂的色彩距离计算, 这样可以在色彩分割时节省大量的时间。这种过滤对蓝色和黄色车牌特别有效,但对于黑色和白色的过滤效果不是很理想。这原创 2015-12-05 22:03:31 · 17035 阅读 · 10 评论 -
【图像算法】SIFT中LoG和DoG比较
转载自: 小魏的修行路 在实际计算时,三种方法计算的金字塔组数noctaves,尺度空间坐标σ,以及每组金字塔内的层数S是一样的。同时,假设图像为640*480的标准图像。金字塔层数: 其中o_min = 0,对于分辨率为640*480的图像N=5。每组金字塔内图像数: S=3,即在做极值检测时使用金子塔内中间3张图像。 对于LoG每组金字塔内有S+2张图像(S=-1,0,1,2,转载 2016-01-26 20:35:59 · 2112 阅读 · 0 评论 -
【图像基础】基本的图像处理知识
一些自己的理解和记录图像金字塔和尺度空间 图像金字塔是以多分辨率来解释图像的一种结构。每做一次变换,图像的分辨率就会改变,但是图像并没有变得模糊。 尺度空间可以理解为用高斯对图像做了卷积,图像的分辨率还是那么大,像素还是那么多,只是细节被平均(平滑)掉了,原因就是高斯了,用周围的信号比较弱的像素和中间那个信号比较强的点做平均,平均值当然比最强信号值小了,这就起到了平滑的作用。所以尺度空间不同会原创 2016-01-09 21:38:12 · 1086 阅读 · 0 评论 -
【图像基础】边缘检测基础
边缘是图像的最基本特征,是图像分割最重要的依据;是位置的标志,对灰度变化不敏感,因此也是图像匹配的重要特征。边缘检测基本思想: 先检测图像中的边缘点,然后按照某种策略将边缘点连接成轮廓,从而构成分割区域。 分类: 阶跃状边缘:边缘两边灰度值明显不同 屋顶状边缘:边缘处于灰度值从大到小再到大的转折点 微分算子检测边缘 一阶微分算子也称为梯度算子,我们知道一阶导数得到的是函数的斜率,所以如果原创 2016-01-10 20:40:34 · 2144 阅读 · 0 评论 -
红外图像特点及识别方法
红外图像成像特点:由于红外图像是通过“测量”物体向外辐射的热量而获得的,故与可将光图像相比:分辨率差对比度低信噪比低视觉效果模糊灰度分布与目标反射特征无线性关系局部不变特征目前绝大多数景物匹配算法提取的都是全局不变特征,它能很好解决同一目标的一致性判决问题,但很难消除图像的成像畸变。当图像之间的成像畸变很复杂时,利用全局信息进行匹配非常困难,特别是存在局部遮挡时,全图特征会随之变化。基于原创 2016-07-04 11:03:54 · 32948 阅读 · 0 评论