GlassySky的博客

在装一些软件的时候，经常需要设置环境变量，但win10与win7有一些不同1.打开文件资源管理器2.最左边一列有“此电脑”，点击3.界面最上面一列会有“属性”，点击4.左边“高级系统设置”，点击5.“环境变量”，点击有一个注意的地方是一般环境变量设置完需要重启，或者一个快捷方式就是打开命令提示符执行：echo %PATH%，就可以刷新。...

一、自适应直方图均衡化(Adaptive histgram equalization/AHE)      1.简述       自适应直方图均衡化(AHE)是用来提升图像的对比度的一种计算机图像处理技术。和普通的直方图均衡算法不同，AHE算法通过计算图像的局部直方图，然后重新分布亮度来改变图像对比度。因此，该算法更适合于改进图像的局部对比度以及获得更多的图像细节。       不过，A...

做医学图像处理会涉及DICOM图像，初学者应该要对图像像素有一定了解，在对像素处理中会一些算法会利用的更好。图像灰度值的概念是什么？灰度也可以认为是亮度，简单说就是色彩的深浅程度。    实际上在我们的日常生活中，通过三原色色彩深浅的组合，可以组成各种不同的颜色。产品能够展现的灰度数量越多，也就意味着这款产品的色彩表现力更加丰富，能够实现更强的色彩层次。例如三原色16级灰度，能显示的颜色就...

level set :https://www.zhihu.com/question/22608763?sort=createdhttps://blog.csdn.net/xiangyong58/article/details/11876019chan-vese模型(公式推导）：https://blog.csdn.net/zhangchen1003/article/details/48930...

import matplotlib.pyplot as graphimport numpy as npfrom numpy import fftimport mathimport cv2# 仿真运动模糊def motion_process(image_size, motion_angle): PSF = np.zeros(image_size) print(ima...

可以参考这篇博客http://blog.csdn.net/u010128736/我补充一份python实现OTSU：def OTSU(img_gray): max_g = 0 suitable_th = 0 th_begin = 0 th_end = 256 for threshold in range(th_begin, th_end): ...

区域生长是一种串行区域分割的图像分割方法。区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。区域生长的好坏决定于1.初始点（种子点）的选取。2.生长准则。3.终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提取。区域生长的原理：   区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区...

对于图形的平滑与滤波，但从滤波角度来讲，一般主要的目的都是为了实现对图像噪声的消除，增强图像的效果。 首先介绍二维卷积运算，图像的滤波可以看成是滤波模板与原始图像对应部分的的卷积运算。关于卷积运算，找到几篇相关的博客：图像处理：基础(模板、卷积运算) 图像处理-模板、卷积的整理对于2D图像可以进行低通或者高通滤波操作，低通滤波（LPF）有利于去噪，模糊图像，高通滤波（HPF）有利于找到图...

1.原理简介各向异性扩散滤波主要是用来平滑图像的，克服了高斯模糊的缺陷，各向异性扩散在平滑图像时是保留图像边缘的，和双边滤波很像。各向异性扩散，也叫做P–M扩散，在图像处理和计算机视觉中广泛用于保持图像细节特征的同时减少噪声。通常我们有将图像看作矩阵的，看作图的，看作随机过程的，记得过去还有看作力场的。这次新鲜，将图像看作热量场了。每个像素看作热流，根据当前像素和周围像素的关系，来确定是否...

前言：    什么是OpenCV?可能还有人不清楚吧，简单地说，OpenCV——Open Source Computer Vision Library,即开源计算机视觉库，它是基于C语言和部分C++语言来开发，可用于计算机视觉、图像处理以及模式识别和跟踪。 一、准备工作：1.下载OpenCV安装包：    到OpenCV的官网（http://opencv.org/）下载最新版本...

1、KmeansKmeans是聚类算法中较为经典的算法之一，由于其效率高，所以一般大规模的数据进行聚类的时候都会被广泛应用。算法的目的是，先指定聚类的数目c，然后将输入的数据划分为c类，值簇内的数据之间具有较高的相似程度，而簇之间的相似程度较低。下面简单介绍下Kmeans算法的实现，具体的网上都可以找到。Kmeans的目标函数是：c是聚类的中心，目的就是让每个点到它所属于的中心...