数字图像处理和计算机视觉
文章平均质量分 96
通俗易懂、详细清晰、由浅入深讲懂CV知识
是瑶瑶子啦
商务合作&学习交流:Yao2024yaO
展开
-
集成学习算法:AdaBoost原理详解以及基于adaboost的图像二分类代码实现
AdaBoost,是英文"Adaptive Boosting"(自适应增强)的缩写,由Yoav Freund和Robert Schapire在1995年提出。AdaBoost(Adaptive Boosting)是一种集成学习算法集成学习算法其实不能理解为一种具体算法(像knn、kmeans这样十分具体的算法),它其实是一种算法策略、算法框架。它的核心是在于,将多个弱学习器(模型)结合(集成),从而得到一个更强大的模型。提高整体的性能和稳定性。💡说的好像很轻松,“结合”,那么具体如何结合呢?原创 2024-05-05 19:16:43 · 5114 阅读 · 9 评论 -
Python 人工智能实战| 基于K-means算法的模式聚类进行数字图像处理
1、理解K-means算法的基本原理和图像颜色聚类的关键要素;2、学习使用Python编程语言和机器学习开发工具包(scikit-learn)构建K-means模型;3、编程实现基于K-means的图像颜色聚类程序,并分析实验结果。二、概要设计1.Kmeans——一种无监督机器学习的聚类算法基本原理:在不给出数据类别标签而直接给出样本数据情况下,该算法首先需要确定结果要把样本聚成k类。2.本次实验需要完成的聚类任务介绍:用K-means算法实现图像颜色聚类。原创 2024-05-23 10:07:26 · 905 阅读 · 1 评论 -
Python 人工智能实战| 基于多层神经网络的模式分类识别MINIST手写数字
人工智能实验,了解一下python里sklearn这个机器学习库,当然神经网络部分都是直接封装好的,直接调用就好,看看如何在应用方面,调用库来训练一个模型,来进行预测。原创 2024-05-17 08:45:37 · 1174 阅读 · 0 评论 -
傅里叶变换和其图像处理中的应用
一、为什么要在频域进行图像处理?一些在空间域表述困难的增强任务,在频率域中变得非常普通滤波在频率域更为直观,你想想嘛,所谓**滤波**,就是**把二维图像信号种某个频率信号给去掉**。如果定义域是频率,值域是该频率信号的强度(这个坐标体系其实就是频域),直接把对应频率的强度弄为0不就行了,省的还去做卷积(联想空间域的滤波器!是不是得沿着图像走一遭。频域直接啪的一下把这个频率对应的图像信号置为0 ,多简单!)原创 2023-10-15 15:00:15 · 5401 阅读 · 11 评论 -
【cv】图像预处理技术——从特征检测讲述图像预处理理论、实践、应用|01
在前一篇中【计算机视觉】图像的获取和表示——图像传感器技术|主要参数解析、成像原理剖析、传感器处理我们主要学习了计算机是如何通过图像传感器来获取图像和经过传感器处理来展现图像的(image capture and representation)。这是计算机视觉的基础,因为今天讲到的图像预处理本质上就是对矩阵的一系列运算,前一篇我们差不多弄清楚图像(即一个个像素点组成的矩阵),是如何从光,被传感器捕获,经过数模转换以及传感器处理一步一步得来的。👧🏻 今天要讲的图像预处理,处理的是什么呢?原创 2023-10-01 16:33:47 · 7028 阅读 · 3 评论 -
【计算机视觉】万字长文详解:卷积神经网络
如果输入层和隐藏层和之前一样都是采用全连接网络,参数过多会导致过拟合问题,其次这么多的参数存储下来对计算机的内存要求也是很高的解决这一问题,就需要用到——卷积神经网络这是一种理解卷积的角度(至少在吴恩达老师这个教学视频中是),也是我之前没有想到的。其实在该刚开始接受卷积神经网络时,我一直很想弄清卷积的真正含义,为此也学习了一些,后续有打算写一个博客专门讲卷积的含义,敬请期待!需要注意两点池化层的超参数是人工设定的,不需要通过训练从而学习得到。原创 2024-01-31 14:51:42 · 6968 阅读 · 9 评论 -
【计算机视觉】目标跟踪| Meanshift均值漂移算法详细介绍|附代码
背景:Meanshift算法是Fukunaga于1975年提出的,其基本思想是利用概率密度的梯度爬升来寻找局部最优。到了1995年,YizongCheng针对离x越近的采样点对x周围的统计特性越有效,定义了一族核函数,并根据所有样本点的重要性不同,设定了一个权重系数,扩大了MeanShift的使用范围。啥是概率密度???原创 2024-03-14 15:55:56 · 1931 阅读 · 0 评论 -
图像特征Vol.1:计算机视觉特征度量|第一弹:【纹理区域特征】
🍊什么是计算机视觉特征?简单来说就是图像特征,对于我们来说,看到一张图片,能很自然的说出和描述图像中的一些特征,但是同样的图片,丢给计算机,只是一个二维矩阵,计算机需要从这个图像中提取计算得到一些数值表示,来描述这个图像所具有的特征:颜色、形状、纹理等。🍊什么是计算机视觉特征度量?(如颜色直方图、梯度直方图、形状描述符),(如图像检索、目标跟踪、人脸识别、物体识别等)的。根据,可以将特征度量分为这三类:🍊特征度量的方法。原创 2023-10-27 21:36:36 · 1922 阅读 · 0 评论 -
【计算机视觉】数字图像处理基础知识:模拟和数字图像、采样量化、像素的基本关系、灰度直方图、图像的分类
图像(image):根据第二点的不同,我们可以将图像分为:模拟图像、数字图像模拟图像的成像过程和结果记录是基于化学反应的,如传统照相方法所用到的“胶片”就是一种物理介质,这个过程涉及到光敏材料对光的响应,是一种!。这种成像过程和记录结果是连续的,没有固定的分辨率限制,可以达到非常精细的水平。对模拟图像的处理和编辑通常需要用到。,成像结果就是离散的。它是基于传感器的。由下图可以看到,数字图像是由模拟图像得到的。它以像素为最小单位存储在计算机等数字电路中,这个过程也称为:图像的数字化。原创 2024-05-22 15:01:36 · 4707 阅读 · 0 评论 -
【计算机视觉】数字图像处理基础:以像素为单位的图像基本运算(点运算、代数运算、逻辑运算、几何运算、插值)
在上篇文章中,我们对什么是数字图像、以及数字图像的组成(离散的像素点)进行了讲解🔗。我们知道,数字图像其实就是像素点组成的二维矩阵。本节我们要讲的就是基于这个二维矩阵进行一些数学上的基本运算(本质就是就是矩阵的计算——线性代数),对图像进行处理,这些基本运算也是数字图像处理的基础和基本算法,本节我们将介绍这些基本算法。分别有以下几类Tips: 我们在进行下面的基本运算时,都是将像素值进行归一化到[0, 1]的取值范围的,方便变换和计算。在对应变换的时候也需要注意这点,避免产生误解。原创 2024-06-08 16:55:55 · 3125 阅读 · 0 评论 -
【计算机视觉】目标检测算法综述 |滑动窗口算法、YOLO、RCNN系列算法
YOLOv1是属于One Stage:端到端目标检测。下面我们对其如何生成以及大致思路进行了解。🌸思路首先将一幅图像分成SxS个网格(grid cell)(相当于将原图像进行SxS的裁剪,得到SxS个子图像,每个子图像进行单目标检测,不过这里的所有子图像是并行处理)。哪个目标物体的中心落在这个网格中,则这个网格负责预测这个目标。更具体来说,一张图片,对应有7×7个lables7x7表示有7x7个子区域,每个lables。原创 2024-02-03 15:14:43 · 4258 阅读 · 4 评论 -
图像特征Vol.1:计算机视觉特征度量|第二弹:【统计区域度量】
在前篇图像特征Vol.1:计算机视觉特征度量【纹理区域特征】中,我们说到计算机视觉度量的三类方法,在那篇博客中,我们介绍了纹理区域度量的各个方法。在本篇博客中,我们将继续介绍纹理区域特征的第二类方法:统计区域度量。Let’s Go!原创 2023-11-01 18:03:31 · 1540 阅读 · 2 评论 -
【计算机视觉】目标跟踪| 光流算法详细介绍|附代码
光流(optical flow)是空间运动物体在观察成像平面上的像素运动的瞬时速度。所谓光流就是瞬时速率,在时间间隔很小(比如视频的连续前后两帧之间)时,也等同于目标点的位移💭🤔所以也就是说,只要我们求出这个“速度”,也就是只要确定当前目标区域的位移,即可确定这个目标在下一帧中的位置(有时候也会说,根据上一帧和当前帧的信息,确定目标在当前帧中的位置)。——这也是生成式方法中逐次逼近搜索的体现,光流法的关键也就在此🌸光流法是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到。原创 2024-03-13 17:45:56 · 7986 阅读 · 10 评论 -
【计算机视觉】图像的获取和表示——图像传感器技术|主要参数解析、成像原理剖析、传感器处理
前言一、图像传感器技术1.0:前言1.1:两种典型图像传感器1.2:图像传感器主要参数解析1.2.1:传感器材料⭐1.2.2:传感器的光电二极管元件⭐1.2.3:传感器分辨率⭐1.2.4:图像传感器的两种基本结构⭐1.2.5:灵敏度1.3:传感器成像原理1.3.1:光腔阵列和光腔1.3.2:如何获得彩色图像1.3.3:马赛克变换(DEMOSAICING)1.4:传感器中的数据流程1.5:传感器的处理1.5.1:去马赛克(De-Mosaicking)原创 2023-09-23 12:38:10 · 2856 阅读 · 5 评论 -
【计算机视觉】目标跟踪任务概述和算法介绍
均值漂移算法(Mean Shift)、LK光流等。在当前帧对目标区域建模,下一帧寻找与模型最相似的区域就是预测位置,与传统的盲搜不同,它利用相邻帧之间目标位置变化不大的特点,采用迭代逼近的方式提高算法的搜索速度生成式方法:生成式跟踪方法的核心思想是建模目标的外观,并尝试在后续帧中重新找到这个外观。它通常通过建立一个目标的外观模型,然后在新的帧中寻找与该模型最相似的区域。判别式方法(如相关滤波):判别式方法是基于区分目标和背景的思想。它学习一个分类器或者滤波器来区分目标和周围的背景。原创 2024-03-11 21:47:05 · 4731 阅读 · 2 评论