![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
opencv
Steve_Xu123
计算机视觉,三维重建
展开
-
计算机视觉class1-图像处理基础
要点1.彩色图像灰度化 2.灰度直方图 3.灰度图像的伪彩图1.彩色图像灰度化 一句opencv代码搞定,或者读入的图片以灰度图形式读入。cv::imread("1.jpg",0);//以灰度图形式读入2.灰度直方图以及灰度图像的伪彩图 灰度直方图:统计一幅图片中的灰度值分布伪彩图:将特定值域的灰度值,映射成某一种颜色,设计单通道到三通道转换。附上代码如下:#include <opencv原创 2017-10-26 23:59:32 · 314 阅读 · 1 评论 -
计算机视觉class2_1
要点1.图像的几种去噪处理 (1)均值滤波 (2)高斯滤波 (3)中值滤波 (4)双边滤波2.解释 概述:从统计学的观点来看,凡是统计特征不随时间变化的噪声称为平稳噪声,而统计特征随时间变化的噪声称为非平稳噪声。幅值基本相同,但是噪声出现的位置是随机的,称为椒盐噪声;如果噪声的幅值是随机的,根据幅值大小的分布,有高斯型和瑞利型两种,分别称为高斯噪声和瑞利噪声。(1)均值滤波:均值滤波方法是原创 2017-10-28 12:56:40 · 484 阅读 · 0 评论 -
计算机视觉class2_Remaining
要点1.阈值分割(固定阈值、变阈值、调节参数窗) 2.直方图拉伸 3.区域生长法分割解释1.阈值分割 阈值分割的思想就是用一个或几个阈值将图像的灰度直方图分成几个类,认为图像中的灰度值在同一个灰度类里的像素属于同一个物体。阈值分割法主要有两个步骤:①确定进行正确分割的阈值 ②将图像的所有像素的灰度级与阈值进行比较,实现区域划分,达到目标与背景分离的目的。如何正确选择阈值是算法的关键,通常也有一原创 2017-11-10 16:52:58 · 326 阅读 · 0 评论 -
计算机视觉class3
要点1.边缘检测 2.二值图像及其边界提取(各分割图像的面积、边界的长度) 3.区域骨架提取(细化)解释1.边缘检测 (1)概念:边缘检测的目的是标识数字图像中亮度变化明显的点。 (2)方法:①基于查找—>寻找图像一阶导数信息,通过导数的最大(小)值来检测边缘。 ②基于零穿越—->寻找图像二阶导数信息,通过二阶导数零穿越来寻找边界。 核心的思想都是利用灰度值的原创 2017-11-18 17:22:26 · 443 阅读 · 0 评论 -
计算机视觉class5
要点1.边界线链码 2.链码的长度,区域面积 3.计算灰度共生矩阵,特征 4.SIFT特征解释1.边界线链码 简单来说就是利用一个八邻域去搜索图像的边界,这里自然指的是二值图像。 利用点的八邻域信息,选择下一个点作为边界点,这个算法需要选择一个开始点,可以选择图像上是目标点,在最上,最左的点。然后查看它的八邻域的点,从右下方45°的位置开始寻找,如果是目标点,将沿顺时针90°作为下一次寻找原创 2017-12-02 11:54:36 · 593 阅读 · 2 评论 -
计算机视觉class4
要点1.图像膨胀/腐蚀 2.直线检测(hough变换) 数学形态学的简单应用解释1.图像膨胀/腐蚀 腐蚀与膨胀,概念自行参考2.直线检测(hough变换) 来一段套路熟悉下这是个什么鬼? Hough变换是图像处理中的一种特征提取技术,该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为Hough变换的结果。简单而言就是运用两个坐标之前的变换将在一个空间中具有相原创 2017-11-26 15:41:47 · 312 阅读 · 0 评论