计算机视觉领域的研究不仅需要知道各种神经网络,还得对基本的数字图像处理进行完整的学习,否则很难弄清楚深度学习是如何与图像处理相结合的。
图像处理这门课非常让人头大,尤其是初学的时候,对亮度、饱和度这种概念不敏感的我,学起来相当费力。
所以,上课的时候,我用python实现了一些简单的算法:
机器学习入坑者:用sobel算子提取图片内容的轮廓这里面讲的是如何用python实现sobel算子,把物体的轮廓提取出来。
机器学习入坑者:暗光也清晰的图像增强算法图像的增强可以说是图像处理学科基础中的基础,原理并不复杂,代码实现也很简单,适于初学者练手。
机器学习入坑者:计算机视觉之图像哈希相似性判别基于深度学习的哈希检索挺复杂的,但是基本的哈希相似性判别只需要几十行代码就能搞定,也不需要训练过程。
机器学习入坑者:二值化算法之宇智波鼬图像包含多种颜色,二值化算法让图像在视觉上仅仅含有两种颜色,这同样是CV领域必备知识点。
机器学习入坑者:Gray World算法灰度世界算法在我的参考书里面并没有涉及,但是整体来看这个算法还是很有趣的。
机器学习入坑者:用K均值进行图像分割图像分割,尤其是医学图像分割,在工业上的应用越来越多,这里讲的是基本的图像分割的概念和KNN实现。
机器学习入坑者:均值高斯最大最小滤波原理及python实现滤波是基础到不能再基础的知识点了,尤其是针对椒盐噪声的滤波问题。
还有些别的笔记,欢迎前往围观呀~~~