图像处理
文章平均质量分 88
artzers
这个作者很懒,什么都没留下…
展开
-
【图像处理】只存在噪声的基础图像复原
只存在噪声干扰的情况下,实际图像可以表示为g(x,y)=f(x,y)+n(x,y),这种情况下图像复原要容易许多。一、空间域滤波方法空间域滤波方法主要有均值滤波方法和统计排序方法。1、均值滤波方法包括:a谐波均值滤波器,公式:,当Q=0,谐波均值滤波器变为普通均值滤波器;当Q>0,原式称为逆谐波滤波器;当Q=-1,原式称为谐波滤波器。b几何滤波器,公式,其中m和n是模板S(x,原创 2016-05-16 20:49:44 · 3046 阅读 · 0 评论 -
【图像处理】线性、位置不变退化图像的频域复原基础(维纳滤波,最小均方滤波,几何滤波)
【图像处理】线性、位置不变退化图像的复原基础(维纳滤波,最小均方滤波,几何滤波)原创 2016-05-19 17:15:19 · 4050 阅读 · 0 评论 -
【机器学习】tensorflow: 稀疏自编码
21世纪之后,数学家证明了我们获取的很多数据,可以分解为空间中少数几个基的组合,且组合系数很多为0;亦或者说,大部分数据的主要内容可以由少数几个空间基组成。这就是数据的稀疏特征,是压缩感知的基础。基于这个原理诞生了数据压缩方法,检测方法。这些方法很多都基于最优化理论,在大数据处理上,相比传统的方法,比如PCA,在计算复杂度上有很大的提升。稀疏自编码是其中一种数据压缩方法。 稀疏编码的公式为:arg原创 2017-02-14 11:01:24 · 3555 阅读 · 0 评论 -
【机器学习】Tensorflow:理解和实现快速风格化图像fast neural style
Neural Style开辟了计算机与艺术的道路,可以将照片风格化为名家大师的画风。然而这种方法即使使用GPU也要花上几十分钟。Fast Neural Style则启用另外一种思路来快速构建风格化图像,在笔记本CPU上十几秒就可以风格化一张图片。我们来看看这是什么原理。原创 2017-02-23 11:20:18 · 16483 阅读 · 13 评论 -
【图像处理】时域最小二乘逆滤波的最优化快速解法
上一篇文章,我的空间域最小二乘逆滤波的时间、空间复杂度都非常高。其中求逆矩阵是消耗巨大的一步,这里用迭代优化解法展示了如何不用求逆矩阵来求解最小二乘逆滤波。 首先卷积图像的生成表示为AXravel+Nravel=BravelAX_{ravel}+N_{ravel}=B_{ravel},我们将问题转化为一个简单的带正则化的优化问题J(Xravel)=argmin12(AXravel−Bravel)2原创 2017-02-09 19:51:25 · 1963 阅读 · 0 评论 -
【图像处理】时域最小二乘逆滤波
空间域上,可以和频域一样进行卷积逆滤波操作。其方法是展开图像为一列,构建卷积模板矩阵,这样卷积操作就变成了矩阵乘法。我们可以用最小二乘法来,已知卷积图像和卷积模板来求出原始图像。空间域最小二乘逆滤波是病态问题,缺点是卷积矩阵非常稀疏和巨大,模非常小,一般需要进行约束。原创 2017-02-09 11:24:47 · 1808 阅读 · 0 评论 -
【机器学习】tensorflow:图像空间域逆滤波初步
相比上两篇文章的逆滤波解法,tensorflow的最优化解法更加高效、简明,往往构建出滤波最优化公式就可以让tensorflow自动最优化,逆向得到目标逆滤波图像。tensorflow逆滤波的实现原理可以参考【图像处理】时域最小二乘逆滤波的最优化快速解法with tf.device('/gpu:0'): initial = tf.random_normal([1,252,252,1]) *原创 2017-02-14 09:38:37 · 3869 阅读 · 0 评论 -
【图像处理】Tensorflow:简易超分辨重建与坑
超分辨重建是图像复原领域的一大热点,能在硬件有限的情况下最大还原原始场景的信号,在天文探索、显微成像等领域有重要作用。成像设备对物体成像时,由于距离较远,成像会模糊,可以类比多尺度高斯滤波;受限于成像机能,成像像素达不到最理想条件,可类比为对原始像进行一个下采样。超分辨重建就是要在这种条件下复原原始图像。原创 2017-03-31 10:32:55 · 8382 阅读 · 0 评论 -
【机器学习】Bregman迭代算法以及证明
Bregman系列算法是近几年在图像处理和压缩感知领域异军突起的算法,能够更好地从现有数据中还原真实目标结果。原创 2017-05-06 01:14:40 · 7422 阅读 · 2 评论 -
【图像处理】VTK二维图像标记bug修正
实现始终面向用户的二维图像表示。原创 2017-07-11 20:20:19 · 842 阅读 · 0 评论 -
【机器学习】Bregman分离算法推导
Bregman分离算法比Bregman迭代算法更简单、更有效。原创 2017-05-20 11:49:07 · 3032 阅读 · 0 评论 -
【图像处理】HDF5 C++编程简介
HDF5是一种科学数据格式,其特点是可以将不同类型的数据集整合保存到一个文件,并分别打上标签、注释。相比旧版的HDF格式,HDF5能支持大于4GB的文件读写;HDF5在数据集的基础上增加包Group,类似文件夹。这使得HDF5文件内部像普通的文件系统一样,便于数据的整合管理。原创 2017-12-27 20:48:42 · 7649 阅读 · 0 评论 -
【机器学习】C++与OpenCV、Tensorflow-python联合调用
上一篇我介绍了C++调用Python的入门方法。这一篇我讲述C++与OpenCV、Tensorflow-python联合调用的一次成功的实验过程。 C++通过python调用tensorflow,比调用C++版本的tensorflow的优势在于:tensorflow环境依赖python环境,python环境几乎是一键傻瓜式操作,各种库依赖的问题,比直接使用tensorflow-C++少得...原创 2018-04-20 21:43:27 · 4175 阅读 · 1 评论 -
【图像处理】基本形态学操作
这里涉及到的形态学操作,基本都是用模板对全图进行卷积,操作简单,是初级的图像处理。原创 2016-08-21 16:18:07 · 2927 阅读 · 0 评论 -
【图像处理】霍夫变换
图像处理分析过程中,检测特定的形状是重要的一步。霍夫变换(Hough)通过转换坐标系,将特定形状的检测映射到参数空间中,从而根据参数空间中的值来确定特定形状的相关信息。原创 2016-09-09 00:53:31 · 3043 阅读 · 0 评论 -
【可视化】VTK的图层结构与置顶显示
为了让面模型始终显示,而不被体绘制模型遮挡原创 2016-08-03 20:33:40 · 5725 阅读 · 21 评论 -
【图像处理】从图像空间域滤波到频域滤波
频域滤波的快速实现是工程领域的里程碑。频域滤波最让工程师兴奋的原因来自于这个公式:f(x)*g(y)F(u)G(v)这说明空间域中的复杂的卷积算子,变换到频域中就成了简单的乘法,这样不仅计算简单,而且工程上易于实现。在FFT和快速DCT(余弦变换)的数字实现之前,频域变换的计算是很头疼的事情,在计算效率上并不比普通卷积快多少;在FFT和快读DCT实现之后,频域信号处理几乎无处不在。空间原创 2016-05-09 16:01:19 · 7919 阅读 · 1 评论 -
【图像处理】常见图像噪声模型和生成方法
常见的噪声模型有(z是噪声值,μ表示均值,s2表示方差):1、高斯噪声2、瑞里噪声μ=a+sqrt(pi*b/4),s2=b(4-pi)/43、伽马噪声 μ=b/a,s2=b/a^24、指数分布噪声 μ=1/a,s2=1/a^25、均匀分布噪声 μ=(a+b)/2,s2=(b-a)^2/126、椒盐噪声其中盐表示亮点,椒表示暗点。7、周期噪声,比如空间域图像受到正弦波信原创 2016-05-07 20:15:59 · 18870 阅读 · 3 评论 -
【图像处理】图像频域基础
一般我们看到的图像可以表示为函数f(x,y),x和y是空间上的坐标,此时的图像称为空间域图像;经过频域变换后的图像称为频域图像。离散情况下,一维傅里叶变换有如下形式。同时这里还证明了,对原始数据乘以(-1)^x之后,频域结果被中心化。在二维情况下,则有因为图像处理中一般有M=N,所以有 我们对一幅图像每个像素点(x,y)乘以(-1)^(x+y),然后进行FFT,原创 2016-05-06 10:08:43 · 5654 阅读 · 0 评论 -
【图像处理】基本的全局图像灰度变换
二维图像可以看做坐标点(x,y)的函数,f(x,y),因变量为像素值。设r是当前点,s是灰度变换后的点,那么有s=T(r),T是一个函数,r和s都属于一定范围内的自然数集合。因此我们可以根据函数T建立一个数组,下标是r,元素是s,遍历每个待变换的像素点,用查表的方法替换r为s,快速完成灰度变换。常用的灰度变换有:1、 对数变换,s=cLog(1+r),其中c是归一化参数,对数的底是可以变原创 2016-04-22 12:36:24 · 3766 阅读 · 0 评论 -
【图像处理】一种求三维空间中两单位向量之间旋转矩阵的方法
矩阵相乘有多种含义,比如:从一种坐标系切换到另外的坐标系;空间中的运动。其中旋转矩阵相乘会改变物体的旋转角度,但不会改变物体形状和位置。单位向量可以看做一维物体,单位向量实际只有一个坐标轴,垂直于该坐标轴的其他两个坐标轴,无论怎么修改,对该单位向量并没有影响。现在我们已知两个单位向量,要求解一个向量va到另外一个向量vb的旋转矩阵,本质上可以理解为从前者对应的坐标系切换到后者对应的坐标系。原创 2016-06-02 00:31:00 · 7537 阅读 · 0 评论 -
【图像处理】平行线投影radon变换
从一个角度,用光源照射对象物体,屏幕上会形成对象物体的影子;如果物体是半透明的,那么影子便有灰度而不是纯黑的,这说明屏幕上的像可以反映物体内部对可见光的衰减作用。我们从落于[0~π\pi]的一系列连续角度照射物体,形成一系列的像,这些像包含物体结构特征信息,基本上可以通过这些像还原物体的形状特征,如果物体是半透明的,那么物体内部的结构也可以还原出来。物体原始形状变换生成这些投影像,称为radon变换原创 2016-06-29 13:15:38 · 15385 阅读 · 2 评论 -
【图像处理】小谈体绘制可视化
我过去三年的三维图像处理工作,涉及到了不少领域。为了提升处理速度,我大力学习C++和并行化;为了快速调试查看结果,我学习了计算机三维可视化,把面绘制和体绘制都研究了一遍。这里我把我所学的体绘制可视化知识,粗略说一下。原创 2016-06-28 16:22:52 · 2330 阅读 · 2 评论 -
【图像处理】常用色彩空间
常用色彩空间原创 2016-06-29 22:26:53 · 15281 阅读 · 0 评论 -
【图像处理】图像几何变换基础(非弹性变换下如何计算旋转矩阵)
【图像处理】图像几何变换基础(非弹性变换下如何计算旋转矩阵)原创 2016-05-23 14:37:51 · 3793 阅读 · 1 评论 -
【图像处理】空间域上的图像增强(sobel,LOG,DOG算子等)
空间域与傅里叶变化后的频域相对,是在实际的图像坐标空间中进行变换。在傅里叶变换中有f(x,y)F(u,v),前者位于空间域,后者位于频域。一、全局图像增强,比如灰度变换和直方图调整。二、局部增强,对特定区域进行调整。三、分块增强,将图像分块,计算每一个块的特征,比如平均值、方差等,根据这些特征,判断当前块是否调整。这里可以用到机器学习的方法。四、算术/逻辑增强,设有图像f(x,y)原创 2016-04-25 18:33:11 · 7605 阅读 · 0 评论 -
【图像处理】彩色图像边缘检测
彩色图像边缘检测原创 2016-07-01 15:42:06 · 16713 阅读 · 2 评论 -
【图像处理】图像压缩导言
图像压缩可以节约数据传输时间和数据存储空间。压缩技术是现代IT产业重要的研究领域。原创 2016-07-18 20:18:32 · 798 阅读 · 0 评论 -
【图像处理】基于贝叶斯的Lucy-Richardson图像复原算法
研究空间域滤波方法是图像处理领域的重要内容。相比频域滤波,空间域滤波直接在图像空间上进行操作,除了传统的滤波外,还能加入各种直观的空间域操作,可扩展性和可理解性都比较强。在图像复原领域,当噪声较为复杂时,频域滤波方法因为难以计算得到噪声的频域模型,不能合理地去除噪声干扰,空间域方法就容易多了,因此空间域滤波方法占有很重要的地位。图像复原问题的重要步骤是建立合理的图像退化模型。假设退化图像,即观测......原创 2019-03-12 12:30:21 · 13555 阅读 · 14 评论