u011691310的专栏

在图像去雾这个领域，几乎没有人不知道《Single Image Haze Removal Using Dark Channel Prior》这篇文章，该文是2009年CVPR最佳论文。作者何凯明博士，2007年清华大学毕业，2011年香港中文大学博士毕业，可谓是功力深厚，感叹于国内一些所谓博士的水平，何这样的博士才可以真正叫做Doctor。     关于何博士的一些资料和论文，大家可以访问这里

一般地，图像对比度都是在灰度图上进行增强，这在我的一篇文章中已经给出了实现方法（http://blog.csdn.net/abcjennifer/article/details/7401921），最通常的办法就是直方图均衡化，而彩色图像的对比度增强其实道理相同。这里给出我的实现方法：首先将RGB图像转到YCbCr分量，然后对Y分量上的图像进行直方图均衡化，最后进行图像合成。详见代码~(*^__

本code通过直方图变换增强了图像对比度，实现了单通道图像增强。将图像灰度阈值拉伸到0-255，图像检测结果见底部Keywords: 图像增强 增强对比度 直方图变换[cpp] view plaincopyprint?int ImageStretchByHistogram(IplImage *src1,IplImage *dst1)  /************

有很多函数有mask，代表掩码，如果某位mask是0,那么对应的src的那一位就不计算，mask要和矩阵/ROI/的大小相等 大多数函数支持ROI，如果图像ROI被设置，那么只处理ROI部分 少部分函数支持COI，如果COI设置，只处理感兴趣的通道矩阵逻辑运算 void cvAnd(const CvArr* src1, const CvArr* src2, CvArr* dst,

opencv是一个开源的计算机视觉开发包，这已是众所周知的了，而且越来越多的人开始研究它了。但opencv的使用者还是以高校居多，企业用得比较少，而企业使用opencv也往往是借鉴它的一些算法。      作为开源软件，opencv的优势就是在于它有400多个免费的图像处理函数，而且涉及的面很广，从图像处理到模式识别、从静态图像到运动视频、从二维平面到相机的三维标定以及三维重建，覆盖了机器

2012年11月27日⁄ 技术分享 ⁄ 共 903字 ⁄ 字号 小中 大 ⁄暂无评论 ⁄ 阅读 4,663 views 次安装CMake从CMake的官方网站下载最新版的CMake。http://www.cmake.org/cmake/resources/software.html，选择Windows (Win32 Installer)平台的进行下载。

split函数的主要功能是把一个彩色图像分割成3个通道，方便进一步的图像处理，具体说明如下：split Divides a multi-channel array into several single-channel arrays.C++: void split(const Mat& mtx, Mat* mv)C++: void split(const Mat& mtx, vecto

邻域滤波（卷积）邻域算子值利用给定像素周围像素的值决定此像素的最终输出。如图左边图像与中间图像卷积禅城右边图像。目标图像中绿色的像素由原图像中蓝色标记的像素计算得到。通用线性邻域滤波是一种常用的邻域算子，输入像素加权得到输出像素：其中权重核   为“滤波系数”。上面的式子可以简记为：【方框滤波】最简单的线性滤波是移动平均或方框滤波，用

图片相似度比较的原理是对每张图片生成一个"指纹"字符串，然后比较不同图片的指纹。结果越接近，就说明图片越相似。也就是所谓的“感知哈希算法”（Perceptualhash algorithm）。实现步骤如下：第一步预处理：读取图片File inputFile = newFile(filename); BufferedImage sourceImage = ImageIO.read