- 博客(10)
- 收藏
- 关注
RSS订阅原创 目标检测（SIFT算法，HOG特征可视化）
HOG算法的基本思想是将图像分成小的局部区域，计算每个区域内梯度方向的直方图，并将这些直方图连接起来形成特征描述子。HOG算法通过统计图像中不同方向上的梯度信息，能够捕捉到物体的边缘和纹理等局部特征，具有较好的鲁棒性和抗干扰能力。可以看到，使用cv2.matchTemplate可以实现原图的图像匹配，使用cv2.SIFT_create()方法可以实现SIFT特征提取算法，匹配出原图和模板具有尺度不变性、旋转不变性的特征点，效果还是不错的。问题2：请计算得到下图的HOG特征，并对其可视化。
2023-07-01 13:45:56
655
原创 目标检测（直方图均衡+霍夫变换）
其基本原理是将图像中的像素点在参数空间中进行映射，从而在参数空间中形成一条曲线，当曲线在某些位置交叉时，则说明在原始图像中存在所要检测的特定形状。但是，直方图均衡也会导致图像中噪声和背景的增强，从而降低图像的视觉质量。该技术的原理是通过对图像的灰度值进行重新分配，使得灰度值分布更均匀，从而使得图像的对比度得到增强。可以看到，通过对原图灰度图像进行直方图均衡后再进行霍夫变换，可以检测出图中所有形态完整的珍珠，除了左右边缘的两个被截断的形态不完整的珍珠没有被检测到，总体效果还是不错的。
2023-07-01 13:38:58
208
原创 图像处理-形态学（腐蚀与膨胀，开操作与闭操作）
图像腐蚀的具体实现是利用一个叫结构元素的模板，将其与图像中的像素进行比较，如果模板中的所有像素都与图像中的对应像素匹配，则该像素被保留，否则被腐蚀掉。图像开操作通常用于去除小物体和填充物体内部空洞，图像闭操作通常用于填充物体的空洞和连接断开的线条。可以看到，开操作可以平滑图像物体的边缘，从而使物体的形状更加清晰和准确，物体的边缘变得更加锐利；图像腐蚀是数字图像处理中的一种基本操作，其原理是将图像中的物体边缘腐蚀掉，使得物体变小或消失，同时保留背景信息，以便更好地分离和提取图像中的物体。
2023-07-01 13:34:36
635
原创 图像分割-霍夫变换
以检测直线为例，假设在一幅图像中，有一条直线y=ax+b，将其表示为参数空间（a,b）上的一点，则对于图像中的每个点（x,y），都可以在（a,b）空间中找到对应的曲线，形成一条曲线。其基本原理是将图像中的像素点在参数空间中进行映射，从而在参数空间中形成一条曲线，当曲线在某些位置交叉时，则说明在原始图像中存在所要检测的特定形状。霍夫变换的优点在于它对于图像中的噪声、缺失等问题有较好的容错性，可以检测出不连续的形状，而且对于不同的形状可以采用不同的参数空间表示，因此具有较大的灵活性。
2023-07-01 13:27:19
231
原创 图像分割-欧式距离
问题：请完整地将图中的小丑鱼分割出来(包括橙色，白色和黑色区域)，分割后请用其它颜色做背景色。可以看到，使用欧式距离法可以大致将鱼从原图中分离出来，并将背景替换为蓝色背景，效果还不错。
2023-07-01 13:19:25
145
原创 图像处理-彩色空间（RGB转换为HSI）
可以看到，对H分量进行掩模处理后图像色块交界处明显变模糊了许多，而对S分量处理后图像基本没啥变化。1. 如果将此图像转换到HSI空间，对H分量图像用一个25x25的算术平均掩模进行处理，再转换回到RGB空间，得到的结果将是怎么样的？H（色相）：表示颜色在色轮上的位置，在0到360度之间取值并且从红开始逆时针旋转，将所有颜色都描述为类似于彩虹的环。S（饱和度）：表示颜色的纯度或鲜艳程度，取值范围为0到1。考察下面的一幅500x500的彩色图像，其中的方块部分分别为纯的红、绿和蓝色。
2023-07-01 13:13:41
2234
原创 图像处理-几何变换
对于每个输出像素，都计算与该像素最接近的输入像素位置，并将该像素的值作为输出像素的值。这种方法实现起来简单，计算速度非常快，但缩放后图像的质量可能会受到影响，尤其是在进行放大时会产生锯齿状效果，所以不适用于对图像质量要求较高的应用。插值公式使用每个相邻像素的距离和这些像素的灰度值进行计算，在距离越远的像素处分配更小的权重，最终得到一个加权平均值，将其作为该像素的值。双线性插值法是一种更高级的缩放方法。最近邻法是一种最简单的图像缩放方法，它对于每个新像素，都寻找最接近的原始像素，并直接将其值赋给新像素。
2023-07-01 13:06:50
76
原创 opencv-python——图像增强（二维傅里叶变换+带阻滤波）
可以看到，通过对傅里叶变换后幅度谱进行部分滤波，可以消除图像中竖直的规律性噪声，效果不错。因此，滤波去除傅里叶变换后频率较高的成分（即高频噪声）可以消除图像中的规律性噪声。二维傅里叶变换的输出是大小为M×N 的幅度谱和相位谱（F(u,v) 的模和辐角）。其中，幅度谱表示了输入信号中频率成分的强度，而相位谱表示了输入信号中每个频率成分的位置信息。二维图像傅里叶变换（2D FFT）是一种将图像从空间域（时域）转换到频域的方法，其原理是在两个方向上（水平和垂直）分别对图像执行一维傅里叶变换。
2023-07-01 12:58:13
672
原创 opencv-python——图像增强（拉普拉斯锐化，直方图均衡，双边滤波）
然后我们在滤波后的图像上应用拉普拉斯滤波器，将处理后的结果与原始图像相加，从而强化图像中的轮廓和细节信息，提高图像的清晰度和锐度。直方图均衡（Histogram equalization）是一种常见的图像增强方法，它可以将图像的直方图进行变换，使得图像的灰度级数分布更加均匀，从而增强图像的对比度和显示效果。通过这个过程，直方图均衡能够扩展图像的动态范围，减少图像中像素强度值的方差，并增强图像的对比度，从而提高图像的视觉质量。将产生的图像与原始图像相减，得到一个得到一个用于增强图像细节的高通滤波图像。
2023-07-01 12:47:00
6794
1
原创 opencv-python——图像增强(高斯滤波，均值滤波，中值滤波，直方图均衡，伽马变换)
这种方法的好处是可以有效地避免滤波结果中的边界伪影，但会在图像边缘引入额外的噪声。通过将伽马值设定在低于1的值，可以提升图像中灰度值较低的像素的亮度值，这可以提高图像的整体对比度，从而增强图像的可视性。伽马变换是一种实用的图像处理方法，它可以用于提高图像质量、调整图像的亮度和色彩平衡等方面，增强图像的可视性和实用性，在图像处理和计算机视觉等领域具有广泛的应用价值。在图像编码中的应用：伽马变换在图像编码中被广泛使用，它可以有效的消除图像数据中的大量冗余信息，并在保持图像质量的情况下缩小图像的数据规模。
2023-07-01 12:29:26
7111
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人