机器视觉
文章平均质量分 63
Irisxu93
机器学习ing
展开
-
机器视觉学习笔记--图像滤波2
形态学滤波(Morphological Filter)变形操作: a,b为位置,a+b为向量操作 - 膨胀(Dilation) A为图像: B为结构原素: 则A被B膨胀定义如下: 膨胀操作会使原本图像目标变粗。 - 腐蚀(Erosion) 腐蚀操作与膨胀操作效果相反,会使目标物体向内收缩。A被B腐蚀的操作过程可理解为: 代码如下:clear;cl原创 2017-04-06 21:23:13 · 968 阅读 · 0 评论 -
机器视觉学习笔记--图像滤波3
颜色直方图调整(Histogram Modification)图像增强即增强图象中的有用信息,它可以是一个失真的过程。其目的是要改善图像的视觉效果,针对给定图像的应用场合,有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。 直方图调整原创 2017-04-10 10:51:01 · 740 阅读 · 0 评论 -
机器视觉学习笔记--二值图像处理
基本理论二值图像只有1和0两级灰度 节省内存、快速处理、许多灰度图像的特征以二值形式出现,如边缘,轮廓灯4邻点 八邻点 像素路径 从像素[i,j]到[m,n]之间由邻点连接的路径,4连通为4路径,8连通为8路径。连通性 如果存在一条从像素p到像素q的路径,则称p与q是连通的。 连通部件:一个像素集合,如果集合内每一个像素都与集合内其他像素连通,则称该集合为一个连通部件二值图像的几何属原创 2017-03-26 21:35:03 · 932 阅读 · 1 评论 -
机器视觉学习笔记--图像滤波1
基本理论图像滤波的目的:去除图像噪声,修复图像损坏,改变图像分布。均值滤波(Mean Filter)求取NxN像素范围内的均值作为中心点的像素值,N为核大小 例:核为3 核越大,噪声消除效果越好,但图像也会越模糊(细节损失),因此在使用时要学会折衷。 也可以给不同像素增加权值方式来消除这种影响 滤波效果如下: 实现代码:clear;close all;img = im原创 2017-04-05 21:22:14 · 721 阅读 · 0 评论