![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
老司机的诗和远方
非1即0!
展开
-
【热门论文Top 30】那些被国外专家引用最多的计算机视觉和深度学习论文
在2012年,我整理了一份有关计算机视觉的热门论文清单。我把论文的研究重点放在视觉科学上,避免其与图形处理、调研和纯静态处理等方向产生重叠。但在2012年后随着深度学习技术的兴起,计算机视觉科学发生了巨大的变化--从深度学习中产生了大量的视觉科学基线。虽然不知道该趋势还会持续多久,但我认为它们应该拥有属于自己的清单。一如我一直强调的,被引用得最多的论文并不代表它在该领域做出转载 2016-07-28 08:57:10 · 1145 阅读 · 0 评论 -
图像一阶导数和二阶导
在图像中,边缘可以看做是位于一阶导数较大的像素处,因此,我们可以求图像的一阶导数来确定图像的边缘,像sobel算子等一系列算子都是基于这个思想的。如下图a表示函数在边沿的时候关系,求导得b图,可知边沿可就是函数的极值点,对应二阶导数为0处,如图c的二阶导图。 (a)原创 2017-03-16 22:13:20 · 25008 阅读 · 0 评论 -
LOG高斯-拉普拉斯算子
LOG算子:是高斯和拉普拉斯的双结合,即集平滑和边沿于一身的算子模型!注意这个模型跟前面的一个滤波器很相似,就是各向异性滤波器!1、拉普拉斯算子的出发点在图像中,边缘可以看做是位于一阶导数较大的像素处,因此,我们可以求图像的一阶导数来确定图像的边缘,像sobel算子等一系列算子都是基于这个思想的。如下图a表示函数在边沿的时候关系,求导得b图,可知边沿可就是函数的极值点,对应二阶导数为0处,原创 2017-03-15 20:55:17 · 34988 阅读 · 4 评论 -
双边滤波算法数学模型分析
双边滤波器是什么?正态模型的好处就是距离最近关系最强烈!双边滤波(Bilateral filter)是一种可以保边去噪的滤波器,跟各向异性滤波算法有着异曲同工之妙。之所以可以达到此去噪效果,该滤波由两个滤波算子叠加。一个函数是由几何空间距离(像素位置)决定滤波器系数。另一个由像素差值(像素值之间的关系)决定滤波器系数。灵感主要来自于高斯滤波器,高斯滤波器的缺点就是图像模糊厉害,失去了边沿信原创 2017-03-14 21:02:15 · 2008 阅读 · 0 评论 -
图像金字塔
1、从opencv函数的金字塔函数和尺度缩放函数说起Opencv里面金字塔和resize函数都是有关图像分辨率的问题。我们经常会将某种尺寸的图像转换为其他尺寸的图像,如果放大或者缩小图片的尺寸,笼统来说的话,可以使用OpenCV为我们提供的如下两种方式:1> resize函数。这是最直接的方式,2> pyrUp( )、pyrDown( )函数。即图像金字塔相关的两个函数,对图像进行原创 2017-03-16 12:10:21 · 22708 阅读 · 0 评论 -
opencv接口那些不为人知的事!
最近在写个神经网络识别的小项目,要用到opencv加载图片,本事再简单不过的事情,结果却遇到百思不得其解的问题,最后找到了问题的原因:1、opencv的加载图片接口cvLoadImage();路径可以是绝对路径也可以是相对路径,但是要求格式是\\或者是/的目录格式,建议用/这种方式,这种是无论是文件路径还是网页的格式输入都采用这种,应用最广泛,最初在Linux的。虽然现在的Windows采用\原创 2017-05-04 17:00:35 · 886 阅读 · 0 评论 -
计算机视觉、机器学习相关领域论文和源代码大集合
源码及论文内容较为陈旧,供初学者学习参考。一、特征提取Feature Extraction:· SIFT [1] [Demo program][SIFT Library] [VLFeat]· PCA-SIFT [2] [Project]· Affine-SIFT [3] [Project]· SURF [4] [OpenSURF] [Matlab转载 2017-05-05 15:38:00 · 408 阅读 · 0 评论 -
傅里叶在图像处理应用
傅立叶变换在图像处理中有非常非常的作用。简单的说,傅里叶变换就是将图像变换成一个频谱图,显示出各种频率分量。因为不仅傅立叶分析涉及图像处理的很多方面,傅立叶的改进算法,比如离散余弦变换,gabor与小波在图像处理中也有重要的分量。印象中,傅立叶变换在图像处理以下几个话题都有重要作用:1.图像增强与图像去噪绝大部分噪音都是图像的高频分量,通过低通滤波器来滤除高频——噪声; 边缘也是转载 2017-08-06 15:17:00 · 1599 阅读 · 1 评论 -
2018中国计算机学会推荐国际学术会议(人工智能)
中国计算机学会推荐国际学术会议(人工智能)C类会议ICANN 2018 : International Conference on Artificial Neural Networks https://e-nns.org/icann2018/ 截稿日期: 2018-05-02 通知日期: 2018-06-01 会议日期: 2018-10-05 会议地点: Rhodes, GreeceICTAI:I...转载 2018-03-02 21:00:28 · 7333 阅读 · 0 评论 -
OSTU(大津算法)
一、前言Ostu方法又名最大类间差方法,通过统计整个图像的直方图特性来实现全局阈值T的自动选取,其算法步骤为:1) 先计算图像的直方图,即将图像所有的像素点按照0~255共256个bin,统计落在每个bin的像素点数量2) 归一化直方图,也即将每个bin中像素点数量除以总的像素点3) i表示分类的阈值,也即一个灰度级,从0开始迭代4) 通过归一化的直方图,统计0~i 灰度级的像素(假设像素...转载 2018-03-29 22:18:25 · 7704 阅读 · 3 评论 -
2017cvpr 目标检测
作者:xiaozhi链接:https://zhuanlan.zhihu.com/p/28088956来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。(1)Speed/accuracy trade-offs for modern convolutional object detectors其主要考虑三种检测器(Faster RCNN,R-FCN,SSD)作为元结构,三种...转载 2018-04-17 11:22:13 · 1276 阅读 · 0 评论 -
opencv3 与opencv2不同之处
由于opencv3的主体实在opencv2的基础上进行的修改,部分opencv2的程序仍然可以在opencv3下运行。但是opencv3也做了部分的修改。网上关于这些的资料也不太多,在学习过程中遇到了一些问题,很是纠结无法解决,所以就在自己看opencv3时就总结了一些不同记录下来,希望有别人有所帮助。(其他的opencv2与opencv3的区别可以参考opencv...转载 2018-05-18 22:31:52 · 1119 阅读 · 0 评论 -
梯度与Roberts、Prewitt、Sobel、Lapacian算子
学习心得: 学习图像处理的过程中,刚开始遇到图像梯度和一些算子的概念,这两者到底是什么关系,又有什么不同,一直困扰着我。后来在看到图像分割这一模块后才恍然大悟,其实图像的梯度可以用一阶导数和二阶偏导数来求解。但是图像以矩阵的形式存储的,不能像数学理论中对直线或者曲线求导一样,对一幅图像的求导相当于对一个平面、曲面求导。对图像的操作,我们采用模板对原图像...转载 2018-04-28 16:26:21 · 1420 阅读 · 0 评论 -
homography单应性
概要:来源:http://www.learnopencv.com/homography-examples-using-opencv-python-c/ 单应性变换就是一个平面到另一个平面的映射关系。如图,两张图片中相同颜色的点叫做corresponding Points,比如两个红点就是一对corresponding points。单应性矩阵(Homography)就是一个从一张图像到另一张图像映...转载 2018-05-22 09:12:13 · 817 阅读 · 0 评论 -
学习笔记:使用opencv做双目测距(相机标定+立体匹配+测距).
装载:https://www.cnblogs.com/daihengchen/p/5492729.html 最近在做双目测距,觉得有必要记录点东西,所以我的第一篇博客就这么诞生啦~ 双目测距属于立体视觉这一块,我觉得应该有很多人踩过这个坑了,但网上的资料依旧是云里雾里的,要么是理论讲一大堆,最后发现还不知道怎么做,要么就是直接代码一贴,让你懵逼。 所以今天我想做的,是尽量给大...转载 2018-07-17 18:26:38 · 2302 阅读 · 2 评论 -
常用图像处理模块resize处理不同
1、skimage.transform这个接口实现转换尺寸同时还将像素值缩放到(0,1)之间2、cv2.resize就只是图像尺度的缩放,值就没有改变原创 2018-07-06 09:55:02 · 1723 阅读 · 0 评论 -
尺度空间&多分辨率
今天主要介绍这两个概念的区别和一些应用!1、尺度空间在尺度空间中,尺度越大图像就越模糊(在有限的空间上要表达好物体,那么物体越大越模糊),尺度空间中各尺度图像的模糊程度逐渐变大,能够模拟目标由远及近人对目标的感知过程。那为什么要讨论尺度空间呢?因为在用机器视觉系统分析未知场景时,机器并不知道图像中物体的尺度,只有通过对图像的多尺度描述,才能获得对物体感知的最佳尺度。如果在不原创 2017-03-16 15:33:52 · 7239 阅读 · 0 评论 -
可加速的高斯滤波技术
原理来源:由于高斯函数可以写成可分离的形式,因此可以采用可分离滤波器来实现加速。可分离滤波器,就是可以把一个多维的卷积转化成多个一维的卷积。具体到二维的高斯滤波,就是指先对行做一维卷积,再对列做一维卷积。这样就可以将计算复杂度从O(M*M*N*N)降到O(2*M*M*N)(行和列加起来),其减少的原因是卷积核由二维变为一维乘法的次数减少了。M、N分别是图像和滤波器的窗口大小。原创 2017-03-16 15:18:17 · 1555 阅读 · 0 评论 -
Python图像处理实现画板
Python图像处理实现画板:Python图像处理也是依赖opencv的Python接口实现的,Python语言简单易懂,简洁明了。本次实现画板涂鸦,一个是在里面画矩形,还有画线。其他也都可以扩展,本案例只做例程,思路是对鼠标事件的处理,以及滚动条调节颜色处理。鼠标事件就包含有左键按下,以及释放事件的处理。import cv2import numpy as np# null f原创 2016-08-13 15:19:43 · 3990 阅读 · 0 评论 -
几种保存训练模型文件类型
1、bin文件是一种二进制文件,其用途依系统或应用而定 。一种文件格式binary的缩写。一个后缀名为".bin"的文件,只是表明它是binary格式。比如虚拟光驱文件常用".bin"作为后缀,但并不意味着所有bin文件都是虚拟光驱文件。里面存放的一般是可执行的二进制文件,所以我们通常使用较大型的软件时都会发现有这个名称的文件夹。也有一些将训练模型的参数存放在bin文件里面!最近在看一原创 2017-03-02 15:39:51 · 6113 阅读 · 0 评论 -
角点检测
一、 角点认识角点是目标轮廓上曲率(曲率是描述曲线弯曲程度或者偏离直线的程度)的局部极大值点,是物体轮廓的决定性特征。角点没有明确的数学模型,但人们普遍认为角点是二维图像亮度变化剧烈的点或图像边沿曲线的极大值点,这些点保留着图像图形的重要特征同时可以有效的减少信息的数据量,提高信息含量,加快计算速度,有利于图像可靠性匹配,使得实时处理成为可能。角点还具有旋转不变性,利用角点特征进行匹配可以大大提高匹原创 2017-03-15 23:26:05 · 4901 阅读 · 0 评论 -
HOG算法思路和应用
梯度直方图特征(HOG) 是一种对图像局部重叠区域的密集型描述符, 它通过计算局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如今虽然有很多行人检测算法不断提出,但基本都是以HOG+SVM的思路为主。 H原创 2017-03-18 11:19:08 · 939 阅读 · 0 评论 -
直方图均衡化背后的数学
直方图均衡化1、背景由于图像的直方图统计信息结果其对比度比较窄,大部分的像素都集中在某一个区域内,因而造成图像过亮或者是过暗。而对于一部比较好的图像,其对比度是比较高的,也就是图像的像素的灰度会分布比较均匀。因此要想改善上述图像问题就必须想办法将这些像素进行重新均匀分布。这很容易让人想到数学上的分布函数。涉及概率论的知识。2、均衡化过程当然我们均衡化过程是不能改变其原创 2017-03-19 12:04:11 · 2331 阅读 · 0 评论 -
opencv自带的训练器
装载:http://blog.csdn.net/wuxiaoyao12/article/details/39227189一、基础知识准备首先,opencv目前仅支持三种特征的训练检测, HAAR、LBP、HOG,选择哪个特征就去补充哪个吧。opencv的这个训练算法是基于adaboost而来的,所以需要先对adaboost进行基础知识补充啊,网上一大堆资料,同志们速度去查阅。我的资转载 2017-03-19 17:00:36 · 3931 阅读 · 0 评论 -
AdaBoost自适应分类器
装载:http://blog.csdn.net/dark_scope/article/details/14103983一.引入 对于Adaboost,可以说是久闻大名,据说在Deep Learning出来之前,SVM和Adaboost是效果最好的 两个算法,而Adaboost是提升树(boosting tree),所谓“提升树”就是把“弱学习算法”提升(boost)为“强学转载 2017-03-19 17:40:48 · 2354 阅读 · 1 评论 -
Gabor变换
1.傅里叶变换1) 简介数字图像处理的方法主要分成两大部分:空域分析法和频域分析法。空域分析法就是对图像矩阵进行处理;频域分析法是通过图像变换将图像从空域变换到频域,从另外一个角度来分析图像的特征并进行处理。频域分析法在图像增强、图像复原、图像编码压缩及特征编码压缩方面有着广泛应用。如果一个信号f(t)在上满足:① f(t)在任一有限区间上满足狄氏条件;②转载 2017-03-27 17:12:01 · 5223 阅读 · 1 评论 -
局部特征提取-LBP算法
http://blog.csdn.net/hujingshuang/article/details/47292721简介:局部二值模式(Local Binary Pattern, LBP)是一种有效的纹理描述算子,它具有旋转不变性和灰度不变性的显著的有点。已经广泛的应用于纹理分类、纹理分割、人脸图像分析等领域。本文就LBP算法做简单的讲解,并在opencv中加以实现。基本的LB转载 2017-03-12 17:15:46 · 5155 阅读 · 1 评论 -
一个区间映射到另外一个区间算法
将[Omin,Omax]上每个数映射到区间[Nmin,Nmax]上。映射算法思想:计算出N区间长度除以O区间长度,得出O区间上单位长度对应于N区间上的大小,再将O区间上每个数减去O区间最小值后乘以单位区间对应的长度,最后加上N区间的最小值,实现投射到N区间上。数学模型如下:原创 2017-03-14 23:03:54 · 20887 阅读 · 4 评论 -
直方图均衡化及其代码实现
装载: http://blog.csdn.net/xiajun07061225/article/details/6910129直方图均衡化的英文名称是Histogram Equalization. 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整,转载 2017-03-14 23:21:17 · 5448 阅读 · 0 评论 -
各向异性滤波算法+数学模型分析
matlab练习程序(各向异性扩散)http://www.cnblogs.com/tiandsp/archive/2013/04/18/3029468.html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)。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。每个像素原创 2017-03-14 16:16:12 · 6590 阅读 · 1 评论 -
非极大值算法
1、算法思想:非极大值抑制(Non-maximum suppression,NMS),顾名思义就是把非极大值过滤掉(抑制)。本质是搜索局部极大值,抑制非极大值元素。主要是为了更精确的定位某种特征,比如用梯度变化表征边缘时,梯度变化较大的区域通常比较宽,所以利用x和y方向的梯度确定一个法向arctan(y/x),然后在法向上判断当前梯度测量是否是一个峰值(或局部极大值),如果是就保留,不是极大值原创 2017-03-16 09:43:36 · 785 阅读 · 0 评论 -
高斯混合模型和EM
一、高斯混合模型1、高斯混合模型概念高斯混合模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,它是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。一个模型转换为由多个高斯概率密度函数组合而成的。2、图像背景建立高斯模型的原理及过程图像灰度直方图反映的是图像中某个灰度值出现的频次,也可以以为是图像灰度概率密度的估计。如果图像所包含的目标区原创 2017-03-19 21:33:01 · 2964 阅读 · 0 评论 -
图像滤波空间域与频域
一篇写的不错的博文http://blog.csdn.net/lu597203933/article/details/17252285图像滤波:滤波是信号处理机图像处理中的一个基本操作。滤波去除图像中的噪声,提取感兴趣的特征,允许图像重采样(图像进行一系列的几何变换输出新的图像)。图像中的频域和空域:空间域指用图像的灰度值来描述一幅图像;而频域指用图像灰度值的变化来描述一幅图像。而低转载 2017-03-16 10:12:08 · 5472 阅读 · 0 评论 -
ZED双目摄像头惯导数据获取及其理解
sl::Pose camera_pose;sl::TRACKING_STATE tracking_state = zed.getPosition(camera_pose, sl::REFERENCE_FRAME_WORLD);if (tracking_state == TRACKING_STATE_OK) { //float translation_left_to_center = ...原创 2018-11-14 15:59:21 · 4790 阅读 · 0 评论