<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[mickey2007的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/mickey2007</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; mickey2007]]></copyright><item><title><![CDATA[基于高斯模型的肤色概率计算方法]]></title><link>https://blog.csdn.net/mickey2007/article/details/147858547</link><guid>https://blog.csdn.net/mickey2007/article/details/147858547</guid><author>mickey2007</author><pubDate>Mon, 12 May 2025 06:30:00 +0800</pubDate><description><![CDATA[   基于高斯模型的肤色概率计算方法基于以下核心假设：肤色像素在特定颜色空间（如YCbCr）中的分布符合多元高斯分布。这种方法主要包含两个阶段：训练阶段和检测阶段。]]></description><category></category></item><item><title><![CDATA[基于颜色空间的皮肤检测算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/147718675</link><guid>https://blog.csdn.net/mickey2007/article/details/147718675</guid><author>mickey2007</author><pubDate>Mon, 12 May 2025 00:30:00 +0800</pubDate><description><![CDATA[       在磨皮算法中，往往需要皮肤检测以得到皮肤区域，依次来避免对图像中的非皮肤区域进行滤波处理。

        对于基于颜色空间的肤色检测算法，常用的颜色空间有RGB、HSV、YCbCr、YCgCr、YUV和Lab等。这类方法的主要思想是，在不同的颜色空间对皮肤像素的颜色数据进行统计，分析得出肤色像素的范围取值，以此作为肤色像素的判断依据。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之BEEPS滤波算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145816044</link><guid>https://blog.csdn.net/mickey2007/article/details/145816044</guid><author>mickey2007</author><pubDate>Mon, 28 Apr 2025 06:40:13 +0800</pubDate><description><![CDATA[  BEEPS（Bias Elimination in Edge-Preserving Smoothing） 是一种基于偏微分方程（PDE）的边缘保留平滑滤波算法。它能够在平滑图像的同时有效消除偏差（Bias），从而更好地保留边缘和细节。BEEPS 滤波算法广泛应用于图像去噪、图像增强和医学图像处理等领域。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之MeanShift滤波算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145815645</link><guid>https://blog.csdn.net/mickey2007/article/details/145815645</guid><author>mickey2007</author><pubDate>Mon, 28 Apr 2025 06:39:34 +0800</pubDate><description><![CDATA[        Mean Shift（均值漂移） 是一种基于密度估计的非参数化滤波算法，主要用于图像平滑和分割。Mean Shift 的核心思想是通过迭代计算局部区域的均值，将像素值向密度最大的方向漂移，从而实现图像的平滑和聚类。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之Smart Blur滤波]]></title><link>https://blog.csdn.net/mickey2007/article/details/145815262</link><guid>https://blog.csdn.net/mickey2007/article/details/145815262</guid><author>mickey2007</author><pubDate>Mon, 14 Apr 2025 08:00:00 +0800</pubDate><description><![CDATA[    Smart Blur（智能模糊） 是一种基于边缘检测的图像滤波算法，能够在平滑图像的同时保留边缘信息。与传统的模糊算法（如高斯模糊）不同，Smart Blur 通过检测图像中的边缘区域，并在这些区域减少模糊强度，从而在平滑图像的同时更好地保留边缘和细节。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之Anisotropic滤波]]></title><link>https://blog.csdn.net/mickey2007/article/details/145812548</link><guid>https://blog.csdn.net/mickey2007/article/details/145812548</guid><author>mickey2007</author><pubDate>Mon, 14 Apr 2025 06:00:00 +0800</pubDate><description><![CDATA[  Anisotropic Filter（各向异性滤波） 是一种基于偏微分方程（PDE）的图像滤波算法，主要用于图像去噪和边缘保留。与传统的各向同性滤波（如高斯滤波）不同，各向异性滤波能够根据图像的局部结构自适应地调整滤波方向，从而在平滑图像的同时更好地保留边缘和细节。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之局部均值方差滤波算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145811925</link><guid>https://blog.csdn.net/mickey2007/article/details/145811925</guid><author>mickey2007</author><pubDate>Mon, 24 Mar 2025 06:30:00 +0800</pubDate><description><![CDATA[        基于局部均值方差的滤波算法是一种经典的图像滤波方法，主要用于图像去噪和细节增强。该算法的核心思想是利用图像局部窗口内的均值和方差信息来调整像素值，从而在平滑图像的同时保留边缘和细节。

        这种方法在图像处理中广泛应用，尤其是在需要保留图像细节的去噪任务中。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之Guided Filter算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145805759</link><guid>https://blog.csdn.net/mickey2007/article/details/145805759</guid><author>mickey2007</author><pubDate>Mon, 24 Mar 2025 00:30:00 +0800</pubDate><description><![CDATA[        Guided Filter（导向滤波） 是一种基于局部线性模型的滤波算法，由 Kaiming He 等人于 2010 年提出。它能够在平滑图像的同时保留边缘信息，并且具有较高的计算效率。Guided Filter 的核心思想是利用一张引导图像（可以是输入图像本身或其他图像）来指导滤波过程，从而在滤波时更好地保留边缘和细节。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之Surface Blur滤波算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145800648</link><guid>https://blog.csdn.net/mickey2007/article/details/145800648</guid><author>mickey2007</author><pubDate>Thu, 06 Mar 2025 06:30:00 +0800</pubDate><description><![CDATA[         Surface Blur（表面模糊）是一种常用于图像处理的滤波算法，主要用于平滑图像的同时保留边缘细节。它类似于双边滤波，但计算方式略有不同。Surface Blur 的核心思想是根据像素值的差异动态调整滤波范围，从而在平滑区域进行较强的模糊处理，而在边缘区域保留细节。
        Surface Blur 广泛应用于图像去噪、皮肤美化、图像预处理等领域。]]></description><category></category></item><item><title><![CDATA[图像保边滤波之双边滤波算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145800018</link><guid>https://blog.csdn.net/mickey2007/article/details/145800018</guid><author>mickey2007</author><pubDate>Thu, 06 Mar 2025 00:30:00 +0800</pubDate><description><![CDATA[双边滤波（Bilateral Filter）是一种非线性滤波算法，能够在平滑图像的同时保留边缘信息。它结合了空间邻近度和像素值相似度，因此在去噪的同时不会模糊边缘。]]></description><category></category></item><item><title><![CDATA[图像处理之图像滤镜简介]]></title><link>https://blog.csdn.net/mickey2007/article/details/145652291</link><guid>https://blog.csdn.net/mickey2007/article/details/145652291</guid><author>mickey2007</author><pubDate>Mon, 24 Feb 2025 06:30:00 +0800</pubDate><description><![CDATA[算法颜色滤镜是指完全通过算法编程来实现滤镜算法，进而得到滤镜效果。
LUT颜色滤镜是指通过 LUT（Look Up Table，查找表）的方式来实现的颜色滤镜。]]></description><category></category></item><item><title><![CDATA[图像处理之图像边缘检测算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145378085</link><guid>https://blog.csdn.net/mickey2007/article/details/145378085</guid><author>mickey2007</author><pubDate>Mon, 24 Feb 2025 00:30:00 +0800</pubDate><description><![CDATA[图像边缘检测是计算机视觉和图像处理中的基本问题，主要目的是提取图像中明暗变化明显的边缘细节信息。

        图像边缘检测算法有很多，包括传统的模板算子（Sobel、Roberts、Prewitt、Laplace）、形态学边缘检测、经典的Canny边缘检测及基于深度学习的边缘检测算法等。]]></description><category></category></item><item><title><![CDATA[图像处理之图像锐化算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145375839</link><guid>https://blog.csdn.net/mickey2007/article/details/145375839</guid><author>mickey2007</author><pubDate>Mon, 17 Feb 2025 06:30:00 +0800</pubDate><description><![CDATA[图像锐化处理的目的是使模糊的图像变得更加清晰起来，通常针对引起图像模糊的原因而进行相应地锐化操作属于图像复原的内容。图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行还原运算如微分运算来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像。但要注意，能够进行锐化处理的图像必须有较高的信噪比，否则锐化后图像信噪比反而更低，从而使噪声的增加得比信号还要多，因此一般是先取出或减轻噪声后再进行锐化处理。]]></description><category></category></item><item><title><![CDATA[图像处理之图像滤波算法]]></title><link>https://blog.csdn.net/mickey2007/article/details/145368743</link><guid>https://blog.csdn.net/mickey2007/article/details/145368743</guid><author>mickey2007</author><pubDate>Mon, 17 Feb 2025 00:30:00 +0800</pubDate><description><![CDATA[图像滤波和锐化实际上是图像处理领域比较大也比较重要的两个内容模块。在美颜算法的实际应用中，离不开图像滤波和锐化，美颜中的磨皮算法实际上就是以图像滤波算法为基础来i实现的，而锐化则是磨皮美白之后，对图像整体清晰度的修复与增强。]]></description><category></category></item><item><title><![CDATA[图像处理之图像饱和度调整]]></title><link>https://blog.csdn.net/mickey2007/article/details/145366820</link><guid>https://blog.csdn.net/mickey2007/article/details/145366820</guid><author>mickey2007</author><pubDate>Mon, 10 Feb 2025 08:00:00 +0800</pubDate><description><![CDATA[        图像饱和度是指色彩的鲜艳程度或者纯度。饱和度越高，图像色彩越鲜艳，色彩纯度越高；反之则越低，直至灰度图。

        HSV（Hue-Saturation-Value）颜色空间中，饱和度是色彩的三个属性之一，另外两个属性为色相（Hue）和明度（Value）。]]></description><category></category></item><item><title><![CDATA[图像处理之图像亮度/对比度调整]]></title><link>https://blog.csdn.net/mickey2007/article/details/145366202</link><guid>https://blog.csdn.net/mickey2007/article/details/145366202</guid><author>mickey2007</author><pubDate>Mon, 10 Feb 2025 06:00:00 +0800</pubDate><description><![CDATA[      图像亮度是图像给人眼的一种直观感受。对于一张灰度图而言，灰度值越大，图像就越亮；反之，图像越暗。

        图像对比度是指图像中从黑色到白色渐变的层次反差或比值。反差越大，比值越大，从视觉上感知，图像就越清晰醒目，对比度越大；反差越小，比值越小，从视觉上感知，图像越不清晰醒目，蒙尘感越强，对比度越小。]]></description><category></category></item><item><title><![CDATA[图像处理之图像直方图]]></title><link>https://blog.csdn.net/mickey2007/article/details/145363849</link><guid>https://blog.csdn.net/mickey2007/article/details/145363849</guid><author>mickey2007</author><pubDate>Wed, 05 Feb 2025 07:30:00 +0800</pubDate><description><![CDATA[图像直方图是用来表现图像中亮度分布的直方图，给出的是图像中某个亮度或者某个范围亮度下共有几个像素，即统计一幅图某个亮度像素数量。

        图像直方图由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类。]]></description><category></category></item><item><title><![CDATA[图像处理之图像二值化]]></title><link>https://blog.csdn.net/mickey2007/article/details/145358801</link><guid>https://blog.csdn.net/mickey2007/article/details/145358801</guid><author>mickey2007</author><pubDate>Wed, 05 Feb 2025 06:00:00 +0800</pubDate><description><![CDATA[        图像二值化就是把让图像的像素点只有0和1（只有黑白两各种颜色,黑是背景，白是前景），关键点是寻找一个阈值T，使图像中小于阈值T的像素点变为0，大于T的像素点变为255。]]></description><category></category></item><item><title><![CDATA[图像处理之图像灰度化]]></title><link>https://blog.csdn.net/mickey2007/article/details/145358467</link><guid>https://blog.csdn.net/mickey2007/article/details/145358467</guid><author>mickey2007</author><pubDate>Mon, 27 Jan 2025 06:30:00 +0800</pubDate><description><![CDATA[        灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255，当灰度为255的时候，表示最亮（纯白）；当灰度为0的时候，表示最暗（纯黑）。

        灰度化的好处是：相较于彩色图像灰度图像占内存更小，运行速度更快；灰度图像后可以在视觉上增加对比，突出目标区域。]]></description><category></category></item><item><title><![CDATA[图像处理之YUV颜色空间]]></title><link>https://blog.csdn.net/mickey2007/article/details/145356010</link><guid>https://blog.csdn.net/mickey2007/article/details/145356010</guid><author>mickey2007</author><pubDate>Mon, 27 Jan 2025 00:30:00 +0800</pubDate><description><![CDATA[目前手机端的视频处理或者 Camera 实时处理数据大都是 YUV 信号流，因此我们只有了解 YUV 颜色空间 与 RGB 颜色空间 的关系，才能做出一些基于视频和 Camera 的特效。]]></description><category></category></item></channel></rss>