图像处理
文章平均质量分 74
zyb-小波
图像处理机器视觉领域新人一枚,多多指教。
展开
-
基于c++版opencv的图像处理
图像处理基本功能模块简述原创 2022-03-15 15:19:00 · 5954 阅读 · 0 评论 -
深度学习backbone、neck、head等术语解释
backbone:主干网络,用来提取特征,常用Resnet、VGG等head:获取网络输出,利用提取特征做出预测neck:放在backbone和head之间,进一步提升特征的多样性及鲁棒性bottleneck:瓶颈,通常指网络输入输出数据维度不同,通常输出维度比输入维度小很多GAP:Global Average Pool全局平均池化,将某个通道的特征取平均值Warm up:小的学习率先训练几个epoch,这是因为网络的参数是随机初始化的,一开始就采用较大的学习率容易数值不稳定参考链接转载 2021-10-29 17:14:50 · 9320 阅读 · 0 评论 -
目标检测各系列简介
1.区域卷积神经网络R-CNN对每个anchor做cnn提取特征,然后SVM分类Fast RCNN对整张图做cnn提取特征,然后把每个anchor对应的特征映射出来,再进行分类Faster R-CNNRPN网络获取更好的锚框Mask R-CNN2.单发多框检测(SSD)3.YOLO...原创 2021-09-02 16:48:13 · 101 阅读 · 0 评论 -
缺陷检测
基本框架如下:1.图像处理图像增强图像滤波(高斯滤波、均值滤波、中值滤波)直方图均衡化伽马变化图像分割基于阈值的分割基于区域的分割基于形态学分水岭的分割2.特征提取几何特征(区域周长、面积大小、位置、缺陷质心)形状特征(矩形度、细长度、圆形度、致密度、不变矩、偏心率)颜色特征(颜色直方图、颜色聚合向量、颜色矩)纹理特征(统计法_直方图、频谱法_傅里叶)灰度特征(灰度直方图信息_方差、均值、熵)缺陷图像的特征提取实现了从图像空间到特征空间的转换.原创 2021-04-08 15:41:40 · 3538 阅读 · 0 评论 -
边缘检测算子
边缘检测可以说是一种定向滤波,图像分为垂直频率(垂直方向的变化)和水平频率(水平方向的变化)两个方向,总体来说就是用后一个像素点的值减去前一个像素点的值得到的结果,我们称之为梯度,就是我们最后要求得边缘。也就是说用下图中第3列减去第二列得值,但是我们怎么实现这种操作呢,我们就用图像滤波方式来实现,区别在于滤波器得值我们在这里指定了大小,正负。以一个3∗3大小的为例,中心点为 f(x,y) ,如图:Robert算子我们首先定义Robert算子得卷积核,如下图:得到的X,Y方向的梯度就是原创 2021-03-02 19:23:49 · 3063 阅读 · 0 评论 -
保边滤波中双边滤波与引导滤波的区别
双边滤波双边滤波是一种同时考虑了像素空间差异与强度差异的滤波器,因此具有保持图像边缘的特性。高斯滤波器如下:其中W是权重,i和j是像素索引,K是归一化常量。公式中可以看出,权重只和像素之间的空间距离有关系,无论图像的内容是什么,都有相同的滤波效果。再来看看双边滤波器,它只是在原有高斯函数的基础上加了一项,如下其中 I 是像素的强度值,所以在强度差距大的地方(边缘),权重会减小,滤波效应也就变小。总体而言,在像素强度变换不大的区域,双边滤波有类似于高斯滤波的效果,而在图像边缘等强度原创 2021-02-18 11:17:32 · 1128 阅读 · 0 评论 -
图像中卷积与滤波的区别
图像处理中滤波和卷积是常用到的操作。很多人认为卷积就是滤波,两者并无区别,其实不然。两者在原理上相似,但是在实现的细节上存在一些区别。这篇博文主要叙述这两者之间的区别。1、滤波简单来说,滤波操作就是图像对应像素与掩膜(mask)的乘积之和。比如有一张图片和一个掩膜,如下图:那么像素(i,j)的滤波后结果可以根据以下公式计算:其中G(i,j)是图片中(i,j)位置像素经过滤波后的像素值。当掩膜中心m5位置移动到图像(i,j)像素位置时,图像(i,j)位置像素称为锚点。滤波步原创 2021-01-25 09:43:15 · 589 阅读 · 0 评论