u010830004的专栏

/*今天师弟来问我，CV的书里到处都是卷积，滤波，平滑……这些概念到底是什么意思，有什么区别和联系，瞬间晕菜了，学了这么久CV，卷积，滤波，平滑……这些概念每天都念叨好几遍，可是心里也就只明白个大概的意思，赶紧google之~ 发现自己以前了解的真的很不全面，在此做一些总结，以后对这种基本概念要深刻学习了~*/1.图像卷积（模板）(1).使用模板处理图像相关概念：

短焦镜头通常会产生桶形失真，以下是校正算法的matlab代码：view plaincopy to clipboard%% 镜头桶形失真校正(短焦镜头)    img_origin1 = imread('Still001.bmp');  img_origin = rgb2gray(img_origin1);    k1 = 

1、HOG特征：       方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像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Dal

一)转自http://handspeaker.iteye.com/blog/1545126最近在编程时用到了双线性插值算法，对图像进行缩放。网上有很多这方面的资料，介绍的也算明白。但是，这些文章只介绍了算法，并没有具体说怎么实现以及怎么实现最好，举个例子，你可以按照网上文章的算法自己写一个双线性插值程序，用它对一张图片进行处理，然后再用matlab或者openCV的resize函数对同一张

整理一下网络资料,有很多引用其他人的资料，自己再提取了，以备后面用。http://www.cvpapers.com/rr.html这网站有很多资料，有时间多去看看。CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛

YUV格式有两大类：planar和packed。对于planar的YUV格式，先连续存储所有像素点的Y，紧接着存储所有像素点的U，随后是所有像素点的V。对于packed的YUV格式，每个像素点的Y,U,V是连续交*存储的。 YUV，分为三个分量，“Y”表示明亮度（Luminance或Luma），也就是灰度值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），

双线性插值作为OpenCV中默认使用的图像缩放算法，其效果和速度都是不错的。并且效果也比较稳定，计算复杂度并不算太高。我看了很多网上的算法，自己也没看太懂，下面是从网上找的双线性插值 算法的讲解。　　　　“图像的双线性插值放大算法中，目标图像中新创造的象素值，是由源图像位置在它附近的2*2区域4个邻近象素的值通过加权平均计算得出的。双线性内插值算法放大后的图像质量较高，不会出现像素值不连续的的

************************************************************************************************************************************************************************************           在这里，我

视频的一些基本概念。数字视频的基本概念源自于模拟视频。对于模拟视频我们可以这样理解：视频可以分解为若干个基本视点（像素），每个像素都有独立的色彩信息，在屏幕上依次将 这些点用电子枪按照行和列打出来，就形成了一幅完整画面，连续的打出画面，利用人眼的延迟特点就可以“显示”动态的图像了。行同步（HSYNC）：行同步就是让电子枪控制器知道下面要开始新的一行像素场同步（VSYNC： 场同步就

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。定义有灰度图像I(x,y)，其各向异性扩散方程如下 ∂I∂t=div(c(x,y,t)∇I)=∇c∇I+c(x,y,t)ΔI其中Δ是Laplacian算子 ,∇是梯度算子，div是散度，c(x,y,t)是扩散系数。控制着扩散速率，通常选取的图像梯度函数，这样在扩散

图像处理（卷积）作者太棒了  原文  http://blog.sina.com.cn/s/blog_4bdb170b01019atv.html图像处理－线性滤波－1 基础（相关算子、卷积算子、边缘效应）这里讨论利用输入图像中像素的小邻域来产生输出图像的方法，在信号处理中这种方法称为滤波（filtering）。其中，最常用的是线性滤波：输出像素是输入邻域像

下面的每一个表代表一种色调。每个色调以30度间隔从色环取得。表中的X轴代表饱和度(100%, 75%, 50%, 25%, 0%)。Y轴代表亮度。50% 属于 '正常'。 0度   红   100%75%50%25%0%100#FFFFFF#FFFFFF#FFFFFF#FFFFFF#FF

1、Color Filter Array — CFA随着数码相机、手机的普及，CCD/CMOS 图像传感器近年来得到广泛的关注和应用。 图像传感器一般都采用一定的模式来采集图像数据，常用的有 BGR 模式和 CFA 模式。BGR 模式是一种可直接进行显示和压缩等处理的图像数据模式，它由 R( 红)、G( 绿) 、B( 蓝) 三原色值来共同确定 1 个像素点，例如富士数码相机采用的 SUPE

目前，包括移动设备在内的很多多媒体设备上都使用了摄像头，而且还在以很快的速度更新换代。目前使用的摄像头分为两种：CCD(Charge Couple Device电荷偶合器件)和 CMOS(Complementary Metal Oxide Semiconductor互补金属氧化物半导体)。这两种各有优劣：目前CCD主要使用高质量的DC、DV和高档手机上，其图像质量较好，但是整个驱动模组相对比较复杂

本文的目的是用C实现生成Gabor模版，并对图像卷积。并简单提一下，Gabor滤波器在纹理特征提取上的应用。一、什么是Gabor函数（以下内容含部分翻译自维基百科）  在图像处理中，Gabor函数是一个用于边缘提取的线性滤波器。Gabor滤波器的频率和方向表达同人类视觉系统类似。研究发现，Gabor滤波器十分适合纹理表达和分离。在空间域中，一个二维Gabor滤波器是一个由正弦平面波

From：http://hi.baidu.com/fightiger/blog/item/b2c1831382bf52d9f7039eab.html 一。 二维数据曲线图1.1 绘制 单根二维曲线plot 函数的基本调用 格式为：plot(x,y) 其中x和y为长度相同的向量，分别用于存储x坐标 和y坐标数据。例1-1 在0≤x≤2p区间内，绘制曲线

概述介绍镜头阴影校正（Lens Shading Correction）是为了解决由于lens的光学特性，由于镜头对于光学折射不均匀导致的镜头周围出现阴影的情况。shading可以细分为luma shading和color shading：luma shading： 由于Lens的光学特性，Sensor影像区的边缘区域接收的光强比中心小，所造成的中心和四角