![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
opencv
听说你爱吃芒果
这个作者很懒,什么都没留下…
展开
-
opencv笔记(10):Gabor特征
特征提取之Gabor特征Gabor函数可以在频率不同尺度、不同方向上提取相关的特征,Gabor变换是短时Fourier变换中当窗函数取为高斯函数时的一种特殊情况。实质上Gabor变换就是对图像进行卷积操作,其中Gabor滤波器是一个由正弦平面波调制的高斯核函数,分为实部和虚部,实部滤波可以平滑图像,虚部滤波可以边缘检测。1.二维Gabor函数的数学表达式Gabor滤波器是带通滤波器,为原创 2017-05-11 10:52:01 · 2229 阅读 · 0 评论 -
opencv笔记(4):边缘检测
五、边缘检测边缘检测的一般步骤:滤波--->增强--->检测。边缘检测的主要算子和滤波器有:Canny算子、Soble算子、Laplace算子和Scharr滤波器。滤波:边缘检测的算法主要是基于图像强度的一阶和二阶导数,但是导数对噪声很敏感,所以需要采用滤波来改善和噪声有关的边缘检测器的性能。主要的滤波为高斯滤波。增强:增强边缘的基础是确定图像各点领域强度的变化值。增强算法原创 2017-04-26 19:54:53 · 569 阅读 · 0 评论 -
opencv笔记(3):漫水填充法和图像金字塔
3.漫水填充算法漫水填充算法是一种用特定的颜色填充连通区域,通过设置可连通像素的上下限以及连通方式来达到不同的填充效果的算法。经常用来标记或分离图像的一部分以便对其进行进一步的处理或分析。也可以用来从输入图像获取掩码区域,掩码会加速处理过程,或只处理掩码指定的像素点。int floodFill(InputOutputArray image, InputOutputArra原创 2017-04-12 21:07:32 · 709 阅读 · 0 评论 -
opencv笔记(2):图像形态学
二、图像形态学图像形态学最基本的操作是膨胀与腐蚀,特别说明:膨胀和腐蚀是对白色高亮部分进行操作的。它们能实现多种功能:1.消除噪声。2.分割出独立的图像元素,在图像中连接相邻的元素。3.寻找图像中明显的极大值区域或极小值区域。4.求出图像的梯度。1.膨胀(dilate)膨胀就是求局部最大值的操作,核B与图像卷积,即计算核B覆盖区域的像素点的最大值,然后把最大值给参考点指原创 2017-04-11 21:54:06 · 403 阅读 · 0 评论 -
opencv笔记(1):平滑处理
一、平滑处理平滑处理也被称为“模糊处理”,常用来减少图像上的噪声或者失真,最重要的是降低图像分辨率。平滑操作的各种类型包括线性领域滤波和非线性领域滤波,其中,线性的包括“方框滤波”,“均值滤波”,“高斯滤波”。非线性的包括“中值滤波”,“双边滤波”。线性滤波主要有:1.允许低频率通过的低通滤波;2.允许搞频率通过的高通滤波;3.允许一定范围频率通过的带通滤波;4.阻止一原创 2017-04-10 20:28:31 · 924 阅读 · 0 评论 -
opencv笔记(9):特征降维-PCA
特征降维-PCA在进行图像的特征提取过程中,提取的特征维数太多经常会导致特征匹配时过于复杂,大量消耗系统资源,所以需要采用特征降维的方法。所谓的特征降维就是采用一个低纬度的特征来表示高纬度。一般的,特征降维有两种方式:特征选择和特征抽取。特征选择是从高纬度的特征中选取其中的一个子集作为新的特征;而特征抽取指的是将高纬度的特征经过某个函数映射至低纬度作为新的特征。常用的特征抽取方法就是主成分分析转载 2017-05-10 11:07:13 · 5538 阅读 · 0 评论 -
opencv笔记(11):SIFT特征
特征提取之SIFT特征尺度不变特征变换(Scale-invariant feature transform,SIFT)是一种检测局部特征的算法,通过求一幅图中的特征点及其有关的scale和orientation的描述子得到特征并进行图像特征点匹配。1.SIFT算法过程(1)构建尺度空间尺度空间理论目的是模拟图像数据的多尺度特征,为初始化操作。可以通过构建图像金字塔来实现图像的多原创 2017-05-11 20:25:02 · 942 阅读 · 0 评论 -
opencv笔记(12):支持向量机-SVM
支持向量机-SVM支持向量机(Support Vector Machine,SVM)是一种对线性和非线性数据进行分类的方法,通过寻找最大边缘超平面将数据分类。支持向量机比较其他传统机器学习算法的优点:小样本,SVM解决问题的时候,和样本的维度是无关的,只与落在超平面边缘的侧面的支持向量有关。结构风险最小,对问题真实模型的逼近与问题真实解之间的误差,就叫做风险,更严格的说原创 2017-05-23 21:57:37 · 591 阅读 · 0 评论 -
opencv笔记(8):Haar特征
特征提取之Haar特征1.Haar-like特征Haar特征由边缘特征、线性特征、中心特征和对角线特征组合成特征模板。特征模板中有白色和黑色两种矩形,模板的特征值则为白色矩形像素减去黑色矩形像素之和。Haar特征反应了图像灰度变化的情况。对于图中A,B,D这类特征V=sum(白)-sum(黑),而对于C来说则V=sum(白)-2*sum(黑)。2.Haar-like特征的计算:原创 2017-05-04 20:56:02 · 914 阅读 · 0 评论 -
opencv笔记(7):LBP特征
特征提取之LBP特征局部二值模式(Local Binary Pattern,LBP)是一种描述图像纹理特征的算子,它具有旋转和灰度不变性。一般不将LBP图谱作为特征向量用于分类识别,而是采用LBP特征值谱的统计直方图作为特征向量用于分类识别。1.LBP特征算子1.1原始LBP原始LBP是在3*3的窗口内,以窗口中心元素为阈值,比较周围8个像素,若大于中心像素点,则标记为1,否则为0原创 2017-05-04 10:09:10 · 1870 阅读 · 0 评论 -
opencv笔记(6):HOG特征
特征提取之HOG特征方向梯度直方图(Histogram of Oriented Gradient,HOG)是一种在计算机视觉和图像处理中用来对物体进行检测的特征描述子。其特征提取的过程为:(1)灰度化。(2)采用Gamma校正法对图像进行颜色空间的归一化:是为了调节图像的对比度,降低图像局部的阴影和光照变化造成的影响,同时抑制噪声的干扰。Gamma压缩公式:一般情况原创 2017-05-03 20:05:54 · 671 阅读 · 0 评论 -
opencv笔记(5):Hough变换
六、Hough变换1.Hough线变换Hough线变换是一种用来寻找直线的方法。首先要对图像进行边缘检测处理,Hough线变换的直接输入只能是边缘的二值图像。标准霍夫变换(HoughLines函数)多尺度霍夫变换(HoughLines函数)累计概率霍夫变换(HoughLinesP函数)原创 2017-04-27 11:08:13 · 946 阅读 · 0 评论