图像处理
文章平均质量分 81
white0blue
这个作者很懒,什么都没留下…
展开
-
图像细化
图像细化——针对的是二值图像 或者用阀值处理的二值图像 (1):例子 左边为输入图像 右边为细化的效果图 (2)思想: 公式: y = p0*2^0 + p1*2^1+ p2*2^2 + p3*2^3 + p4*2^4 + p5*2^5 + p6*2^6 +p7*2^7 前辈们对此作出了总结,得出每个点周围8领域的256种情况,放在一转载 2015-11-25 18:05:09 · 2620 阅读 · 0 评论 -
线性判别分析(Linear Discriminant Analysis)
1. 问题 之前我们讨论的PCA、ICA也好,对样本数据来言,可以是没有类别标签y的。回想我们做回归时,如果特征太多,那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维,但PCA没有将类别标签考虑进去,属于无监督的。 比如回到上次提出的文档中含有“learn”和“study”的问题,使用PCA后,也许可以将这两个特征合并为一个,降了维度。但假设我们的转载 2015-11-13 15:00:04 · 884 阅读 · 0 评论 -
主成分分析PCA
主成分分析PCA 降维的必要性 1.多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定,从而可能导致结果的不连贯。 2.高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间,而在十维空间上只有0.02%。 3.过多的变量会妨碍查找规律的建立。 4.仅在变量层面上分析可能会忽略变量之间的潜在联系。例如几个预测变量可能落入仅反映数据某一方面特征的一个组内转载 2015-11-13 14:54:48 · 952 阅读 · 0 评论 -
图像特征与匹配方法
常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一 颜色特征 (一)特点:颜色特征是一种全局特征,描 述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区 域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需转载 2015-08-11 14:55:29 · 3943 阅读 · 0 评论 -
hough变换是如何检测出直线和圆的?
(I)直线篇 1 直线是如何表示的? 对于平面中的一条直线,在笛卡尔坐标系中,常见的有点斜式,两点式两种表示方法。然而在hough变换中,考虑的是另外一种表示方式:使用(r,theta)来表示一条直线。其中r为该直线到原点的距离,theta为该直线的垂线与x轴的夹角。如下图所示。 2 如果坐标系中有多个点,又怎样识别出哪些点在一条直线上呢? 使用hough变换来检测直线的思转载 2015-08-11 14:42:50 · 579 阅读 · 0 评论 -
【转】opencv中widthStep不一定等于width*nChannels的原因
【转】opencv中widthStep不一定等于width*nChannels的原因 opencv里图片属性widthStep属性有点奇怪,它稍大于width * nChannels。如3*3 的3通道bmp图片,所有像素RGB分量都为97,输出如下: 图像详细参数 nSize: 112 imageSize: 36 nChannels: 3 height: 3 wid转载 2015-07-13 13:50:27 · 482 阅读 · 0 评论 -
MeanShift算法
Meanshift,聚类算法 记得刚读研究生的时候,学习的第一个算法就是meanshift算法,所以一直记忆犹新,今天和大家分享一下Meanshift算法,如有错误,请在线交流。 Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束. 1. Meanshift推导 给定转载 2016-03-04 16:12:43 · 409 阅读 · 0 评论