![](https://img-blog.csdnimg.cn/20200610145559698.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
图像处理
ZJE_ANDY
这个作者很懒,什么都没留下…
展开
-
[传统图像处理]-------HOG方向梯度直方图
Histogram of Oriented Gridients,缩写为HOG,是目前计算机视觉、模式识别领域很常用的一种描述图像局部纹理的特征。就是说先计算图片某一区域中不同方向上梯度的值,然后进行累积,得到直方图,这个直方图呢,就可以代表这块区域了,也就是作为特征,可以输入到分类器里面了。HOG算法过程:1. 把整张图片分成多个部分(多个cell,一个cell是8*8像素)2.每个cell生成一个梯度方向直方图计算每一个像素的梯度:计算方式:如下图为A像素及其上...原创 2020-06-16 14:07:05 · 963 阅读 · 0 评论 -
[传统图像处理]-------DOG算子(高斯差分算子)和高斯模糊
一,DOG算子的作用:DOG(Difference of Gaussian)意为高斯函数的差分。是灰度图像增强和角点检测的一种方法。二、高斯模糊由于DOG是利用高斯模糊(也叫高斯平滑)实现的,所以有必要先讲一下高斯模糊是什么:对于一个图像而言,如果某个像素点跟一个卷积核进行卷积,如下图的,卷积核的尺寸为3x3,且中心点为1,其余为0,则卷积的前后图像是一样的。原因是当前像素点的值,只跟这一点本身有关(且权重为1),跟周边点无关,所以卷积前后都是一样的。那么如果卷积核不是这样的呢?是符原创 2020-06-01 00:54:09 · 8165 阅读 · 0 评论 -
[传统图像处理]边缘检测之----Sobel算子
一、作用:sobel算子是图像边缘检测的最重要的算子之一。Sobel算子根据像素点上下、左右邻点灰度加权差,在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用,提供较为精确的边缘方向信息,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。二、原理:Sobel算子输入的图像是灰度图,所以正常图片进行sobel算子提取边缘前,先要把图片转成灰度图。边缘是指在图像上像素灰度变化最显著的地 方,边缘检测算子则利用图像边缘灰度的突变来检 测边缘。Sobel算子包含两组3×原创 2020-05-29 00:46:05 · 9713 阅读 · 3 评论 -
[传统图像处理]------双线性插值法
0、为什么要有双线性插值一、原理在讲双线性插值之前,先说一下线性插值,因为双线性插值法的核心思想是在两个方向分别进行一次线性插值。如图所示:使用斜率的关系,有:(这是非常重要的,第一个式子是斜率关系,第二个式子由第一个式子推出)其代表的意思是 f(x)的值可以由 f(x1)和f(x2)推出。这个关系放在图像中,就相当于f(x)为要求的点的像素值,f(x1)和f(x...原创 2020-04-18 12:01:33 · 1822 阅读 · 2 评论 -
[传统图像处理]-----图像的膨胀和腐蚀、开运算、闭运算、黑帽、顶帽(python+opencv)
一、原理无论是膨胀还是腐蚀,都是对白色区域(明亮区域)而言的。膨胀或者腐蚀操作都会有一个核,核的形状可以是圆形或者正方形,核在输入图像上滑动。膨胀是用核与二值图像元素做“与”运算,如果都为0,那么目标像素点为0,否则为1,这样的将会扩大1的区域,达到膨胀白色区域(明亮区域)的目的。腐蚀操作则相反,如果核与其覆盖区域都为1,那么目标像素点为1,否则为0,这样达到的效果是白色区域(明亮区域)会被削...原创 2020-04-15 20:27:27 · 2044 阅读 · 0 评论 -
python3+opencv 图像通道的分离(split()函数)和合并(merge()函数)
原图:(一)cv2.split()函数d使用图像颜色通道的分离:import numpy as np;import cv2; #导入opencv模块image=cv2.imread("/home/zje/Pictures/lena.jpeg");#读取要处理的图片B,G,R = cv2.split(image); #分离出...原创 2018-06-16 21:32:08 · 33151 阅读 · 6 评论 -
python3+opencv 利用灰度直方图来判断图片的亮暗情况
1.如何让计算机自动判断一张图是否偏暗?或是判断一张图是否是处于夜晚?我们可以先把图片转换为灰度图,然后根据灰度值的分布来判断,如:我们可以从上图看到,晚上的图片的灰度值是集中在前段的,如0~30多左右,我们再看一张比较明亮的图片:明亮的图片的灰度直方图是比较靠后的.因此要判断图片的亮暗,只需要统计偏暗的像素个数,再除以图片像素的总个数,得到百分比p即可,至于p大于多少即判断为暗,则可以由你自己设...原创 2018-06-20 15:04:01 · 25503 阅读 · 11 评论 -
图像领域img[:,:,::-1]的理解
先开门见山,img[:,:,::-1]的作用就是实现RGB到BGR通道的转换 (若图片一开始就是BGR的,就是实现从BGR到RGB的转换)。对于列表img进行img[:,:,::-1]的作用是列表数组左右翻转,例如:import numpy as npa = np.arange(27).reshape(3,3,3)print(a)'''[[[ 0 1 2] [ 3...原创 2019-06-26 14:59:34 · 23456 阅读 · 8 评论