图像处理
沐白001
c,c++,c#,java 全职菜鸟
展开
-
RGB图像转为灰度图
最后结论:Grey = (R*38 + G*75 + B*15)>> 7代码[cpp] view plain copy#include #include using namespace cv; int main(){ Mat src= imread("C:\\Users\转载 2017-05-06 23:21:15 · 7756 阅读 · 0 评论 -
imadjust从用法到原理—Matlab灰度变换函数之一
imadjust函数是MATLAB的一个工具箱函数,一般的语法调用格式为:f1=imadjust(f,[low_in high_in],[low_out high_out],gamma)(注:本文所述图像数据均为Uint8,对于Matlab,矩阵中的一个元素即是一个像素点)该函数的意义如图1所示,把图像f 灰度变换到新图像f1的过程中,f 中灰度值低于low_in的像素转载 2017-05-07 00:24:39 · 2185 阅读 · 0 评论 -
【OpenCV入门教程之八】线性邻域滤波专场:方框滤波、均值滤波与高斯滤波
本系列文章由@浅墨_毛星云 出品,转载请注明出处。 文章链接: http://blog.csdn.NET/poem_qianmo/article/details/22745559作者:毛星云(浅墨) 邮箱: happylifemxy@163.com 写作当前博文时配套使用的OpenCV版本: 2.4.8转载 2017-05-17 15:57:26 · 414 阅读 · 0 评论 -
由RGB到HSV颜色空间的理解
1. RGB模型2. HSV模型3. 如何理解RGB与HSV的联系4. HSV在图像处理中的应用5. OpenCV中RGB-->HSV实现在图像处理中,最常用的颜色空间是RGB模型,常用于颜色显示和图像处理,三维坐标的模型形式,非常容易被理解。而HSV模型,是针对用户观感的一种颜色模型,侧重于色彩表示,什么颜色、深浅如何、明暗如何。第一次转载 2017-06-18 21:52:50 · 2907 阅读 · 0 评论 -
【图像配准】基于灰度的模板匹配算法(一):MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法
简介: 本文主要介绍几种基于灰度的图像匹配算法:平均绝对差算法(MAD)、绝对误差和算法(SAD)、误差平方和算法(SSD)、平均误差平方和算法(MSD)、归一化积相关算法(NCC)、序贯相似性检测算法(SSDA)、hadamard变换算法(SATD)。下面依次对其进行讲解。MAD算法介绍 平均绝对差算法(Mean Absolute Dif转载 2017-11-07 16:15:20 · 4834 阅读 · 1 评论 -
图像处理之霍夫变换(直线检测算法)
图像处理之霍夫变换(直线检测算法)霍夫变换是图像变换中的经典手段之一,主要用来从图像中分离出具有某种相同特征的几何形状(如,直线,圆等)。霍夫变换寻找直线与圆的方法相比与其它方法可以更好的减少噪声干扰。经典的霍夫变换常用来检测直线,圆,椭圆等。 霍夫变换算法思想:以直线检测为例,每个像素坐标点经过变换都变成都直线特质有贡献的统一度量,一个简单转载 2017-11-14 09:28:14 · 7424 阅读 · 2 评论 -
halcon例程学习笔记(10)---图像灰度共生矩阵cooc_feature_image.hdev
灰度共生矩阵 灰度共生矩阵定义为像素对的联合分布概率,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,但也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础。 设f(x,y)为一幅数字图像,其大小为M×N,灰度级别为Ng,则满足一定空间关系的灰度共生矩阵为: 其中#(x)表示集合x中的元素个数,显然P为Ng×Ng的矩阵,若(x1,y1)与(x2转载 2017-12-04 16:01:58 · 1945 阅读 · 0 评论 -
Ubuntu14.04 opencv2.4.8和opencv3.2多版本共存
首先,由于本人使用了ROS,因此在安装ROS的时候安装了ros-indigo-destop-full顺便安装了版本2.4.8的opencv,因为ROS里面的一些文件需要依赖于该版本的opencv,例如cv_bridge和image_pipeline。所以卸掉opencv2.4.8再装opencv3.2(因为有些代码需要用到opencv3)貌似不明智。故我们在原有的o...转载 2018-04-03 00:20:27 · 729 阅读 · 1 评论 -
SIFT特征匹配算法介绍——寻找图像特征点的原理
1.图像尺度空间在了解图像特征匹配前,需要清楚,两张照片之所以能匹配得上,是因为其特征点的相似度较高。而寻找图像特征点,我们要先知道一个概念,就是“图像尺度空间”。平时生活中,用人眼去看一张照片时,随着观测距离的增加,图像会逐渐变得模糊。那么计算机在“看”一张照片时,会从不同的“尺度”去观测照片,尺度越大,图像越模糊。那么这里的“尺度”就是二维高斯函数当中的σ值,一张照片与二维高斯...转载 2019-01-18 11:00:29 · 1116 阅读 · 0 评论