图像处理
文章平均质量分 84
yi_tech_blog
这个作者很懒,什么都没留下…
展开
-
数字图像缩放之最近邻插值与双线性插值处理效果对比
基本原理:1、最近邻插值:变换后的目标图像某点像素值等于源图像中与变换前相应点最近的点的像素值。具体操作为,设水平方向和垂直方向缩放的比例分别为w和h,那么目标图像中的点des(x,y)对应的源图像中的点src的坐标为(x0,y0)=(x/w,y/h)。其中,x0,y0可能为小数,故对其四舍五入,即(x0,y0)=int(x0+0.5,y0+0.5),因此点des(x,y)的像素值就是原创 2016-11-01 16:32:10 · 5463 阅读 · 0 评论 -
图像中区域的表示
应用背景:用图像分割方法将图像分割成多个区域之后,为使分割后的像素集合即区域能够进一步处理,我们选择区域的一些典型特征来表示这些区域,这些特征能够适合计算机进一步处理。原创 2017-03-31 23:19:39 · 1402 阅读 · 0 评论 -
灰度图像的形态学处理
在灰度图像中也有跟二值图像中一样的形态学操作,如腐蚀、膨胀、开操作和闭操作等。下面依次介绍。1、腐蚀与膨胀首先,我们用 f(x,y) 表示一幅灰度图像,b(x,y) 表示一个平坦结构元,c(x,y)为b的反射,即 c(x,y)=b(-x,-y),它们都是离散数字函数。设 b 的原点位于 f 中的(x,y)点,则 b 对 f 的腐蚀定义为:图像 f 中与 b 重合区域的最小灰度值。用公式定义原创 2017-03-25 21:07:26 · 5536 阅读 · 0 评论 -
主成分分析
应用背景:我们知道,通过用图像的特征来描绘图像,以方便计算机进一步的计算,这里的“进一步计算”也包括图像的分析,图像的分析必须从图像已有的特征着手。很多情况下,图像的特征维数很多,需要选择一些对目的即图像分析有重要贡献的特征,构成特征子集,实现特征的降维,这个过程称之为特征提取。那么怎么来选择这些特征呢,在现存的众多方法中,线性变换因其计算简单、方便分析的特点而广泛使用,而主成分分析是一种重要的线原创 2017-04-03 22:08:21 · 429 阅读 · 0 评论 -
局部二进制模式
应用背景:在区域的描述方式中,有一些简单的区域描绘子如区域的周长、面积以及灰度级的均值、中值、最大灰度值和最小灰度值,稍微复杂一点的描绘子如区域中连通分量的数量,还有一种描述区域的重要方法是量化该区域的纹理内容。而描述区域纹理的主要方法有:统计方法、结构方法以及频谱方法,除此之外,有一种有效的纹理描述方法是局部二进制模式,Local Binary Patterns, LBP,它因具有对图像局部纹理原创 2017-04-13 22:26:32 · 821 阅读 · 0 评论 -
基于PCA的人脸特征提取及人脸重建
应用背景:我们知道,在特征提取中,主成分分析是一种重要的线性变换方法,这里通过实例来说明主成分分析方法提取人脸特征以及利用这些特征进行人脸重建的过程。原创 2017-04-05 21:50:55 · 5920 阅读 · 0 评论 -
二值图像处理闭运算
应用背景:在二值形态学图像处理中,除了腐蚀和膨胀这两种一次运算外,还有二次运算操作,比如前一篇讲到的开运算,这里介绍的闭运算也是一种二次运算操作。原创 2017-05-30 21:53:03 · 2538 阅读 · 0 评论 -
开闭运算操作的简单应用
应用背景:在绝大部分的数字图像中,都存在各种各样的噪声,去除噪声的方法有很多,这里介绍形态学方法的开闭运算操作来去除噪声。原创 2017-05-31 10:32:19 · 1885 阅读 · 0 评论 -
击中击不中变换的简单应用
应用背景:在物体识别领域有许多方法,比如图像模板匹配,这里介绍基于击中击不中变换的物体识别。原创 2017-05-31 17:20:02 · 1822 阅读 · 1 评论 -
形态学处理算法之细化操作
应用背景:在前篇讲到形态学基本操作中的击中击不中变换,它有很多应用,数字图像细化处理就是基于击中击不中变换的形态学算法。原创 2017-05-31 20:55:22 · 6265 阅读 · 4 评论 -
二值图像形态学处理之边界检测
应用背景:对二值图像进行边界检测的方法除了基本的非形态学方法外,还有形态学处理方法。原创 2017-06-29 11:34:16 · 1352 阅读 · 0 评论 -
二值图像的腐蚀操作及c++实现
应用背景:二值图像的初等形态学运算中的腐蚀操作是表示用某种结构元素对图像进行探测,以便找出在图像内部可以放下该结构元素的区域。原创 2017-05-26 22:32:20 · 4540 阅读 · 3 评论 -
二值图像的膨胀操作及c++实现
应用背景:二值图像的初等形态学运算中的膨胀操作是腐蚀操作的逆运算。原创 2017-05-27 22:40:07 · 4158 阅读 · 0 评论 -
二值图像处理开运算
应用背景:在二值形态学图像处理中,除了腐蚀和膨胀这两种一次运算外,还有二次运算操作,开运算就是其中一种。原创 2017-05-29 22:17:31 · 8076 阅读 · 0 评论 -
MATLAB 编写GUI进行图像处理
GUI,即图形用户接口,是MATLAB的可视化操作功能,本文编写一个简单GUI进行图像处理。1、新建GUI文件,点击file->new->GUI如下图所示点击GUI后出现如下图界面,默认为Blank GUI (Default)选项,点击OK即可,出现如下图所示文件将鼠标放到OK的位置会显示Push Button,为按钮,点击后在格子区域放置按钮,双击按钮,在string条目设置字符串...原创 2018-06-29 10:12:23 · 72651 阅读 · 25 评论 -
运动在图像分割的应用
应用背景:讲过一些灰度图像的分割方法之后,大家可能会问,图像分割有什么样的应用。在运动物体识别中,分割有着非常重要的作用,通过“运动”这个概念,与分割相结合,能够在一系列图像中检测出运动对象。原创 2017-03-31 23:03:03 · 1708 阅读 · 0 评论 -
区域分割技术
应用背景:在灰度图像分割中,我们希望将图像划分成多个不同的区域,在前几篇文章中讲到使用灰度级的不连续性来检测区域之间的边界以及以像素特性分布为基础的阈值处理从而达到分割的目的,除了这两种方法外,有一种直接基于区域的分割技术,即区域分割。原创 2017-03-31 22:30:21 · 1333 阅读 · 0 评论 -
阈值分割
应用背景:在灰度图像中,我们希望将有明显区别的部分分割开来,这里的明显区别在图像上表现为灰度值的相差程度,于是我们找到一个合适的灰度值便能将有区别的部分进行分割,这个合适的灰度值称为阈值,这种分割方法称为阈值分割。灰度图像阈值分割的基本步骤为:1、确定一个合适的阈值;2、将图像像素灰度值与阈值比较;3、将比较过的像素分类,得到分割图像。原创 2017-03-31 17:00:56 · 717 阅读 · 0 评论 -
数字图像缩放之双三次插值
基本原理:双三次插值是一种更加复杂的插值方式,它能创造出比双线性插值更平滑的图像边缘。缩放后图像中某个象素的象素值是由源图像相应像素附近的(4 x 4)个邻近象素值计算出来的,即通过一个基函数进行拟合得到一个目的像素值,具体某点v(x,y) 的像素值是使用下式计算得到:v(x,y) =∑∑aij*x^i*y^j;其中,0≤i,j≤3;16个系数aij由16个临近像素写出的未知方程确定。原创 2016-11-01 17:09:08 · 3527 阅读 · 2 评论 -
基于肤色的人脸检测与分割
基本步骤:1、图像预处理;2、建立肤色模型;3、相似度计算;4、二值化1、图像预处理包括滤除噪声和亮度补偿。滤除噪声中是使用高斯滤波器等方法进行;由于光照影响图像的亮度,这里亮度补偿采用Gary World算法对RGB图像进行快速颜色补偿,即如下公式:S=av1/av2;f=f1*S;其中av1为标准亮度图像R、G、B的平均值,av2为原输入图像R、G、B的平均值,f1为原输入图像原创 2016-11-01 21:19:50 · 8762 阅读 · 0 评论 -
图像灰度的双三次插值的MATLAB实现
相比C/C++实现,图像灰度的双三次插值的MATLAB实现要方便的多,下面是MATLAB语言实现clc,clear;ff=imread('C:\Program Files\MATLAB\R2013a\bin\work\lena.bmp');[mm,nn]=size(ff);%将图像隔行隔列抽取元素,得到缩小的图像fm=mm/2;n=nn/2;f=zeros(m,n);for i=1:原创 2016-11-21 20:28:11 · 15462 阅读 · 17 评论 -
图像复原与重建:噪声模型及MATLAB实现
图像的退化往往伴随着噪声,几种常见的噪声的概率密度函数,probability density function,简称PDF。malab代码如下:clear;x=-4:0.1:4;subplot(3,2,1);y1=normpdf(x,0,1);plot(x,y1);title('高斯噪声'); subplot(3,2,2); y2=unifpdf(x,-3,3);plo原创 2016-12-28 21:52:49 · 7284 阅读 · 0 评论 -
自适应中值滤波及MATLAB实现
自适应中值滤波器是以m*n的矩形窗口Sxy定义的滤波器区域内图像的统计特性为基础的,可以处理具有更大概率的脉冲噪声如椒盐噪声,在平滑非脉冲噪声时能保留细节。其matlab实现如下,并与中值滤波作比较。clc;clear;f=imread('C:\Program Files\MATLAB\R2013a\bin\work\图像复原\Penguins.jpg');image_gray=rg原创 2016-12-29 22:45:56 · 38241 阅读 · 22 评论 -
图像复原之直接逆滤波
由退化函数H退化的图像复原的最简单的方法是直接做逆滤波,设图像退化前的傅里叶变换为F(u,v),退化后的傅里叶变换为G(u,v),系统函数即退化函数的傅里叶变换为H(u,v)。所谓直接逆滤波,就是用退化函数除退化图像的傅里叶变换,得到退化前图像的傅里叶变换的估计,为F(u,v)的估计,则,同时,其中N(u,v)为噪声的傅里叶变换。因此,可得,由该式可知,即使知道退化函数,也不能准确的复原图原创 2016-12-31 09:58:11 · 25944 阅读 · 15 评论 -
图像复原之维纳滤波
维纳滤波也称最小均方误差滤波,它能处理被退化函数退化和噪声污染的图像。该滤波方法建立在图像和噪声都是随机变量的基础之上,目标是找到未污染图像f(x,y)的一个估计,使它们之间的均方误差最小,即,其中E{.}是参数期望值。在假设噪声和图像不相关,其中一个或另一个有零均值,且估计中的灰度级是退化图像中灰度级的线性函数的条件下,均方误差函数的最小值在频率域由如下表达式给出:原创 2016-12-31 20:33:43 · 42878 阅读 · 15 评论 -
图像复原之约束最小二乘方滤波
图像复原,简单讲,就是恢复图像本来的面貌,但由于各种原因如图像采集过程中出现的误差导致得到的数字图像不清晰,不是我们人眼看到的实物场景那样,因此需要采取技术手段去除图像的不清晰。约束最小二乘方滤波就是其中一种较好的方法。在维纳滤波那一篇讲过,维纳滤波要求未退化图像和噪声的功率谱必须是已知的,通常这两个功率谱很难估计,尽管用一个常数去估计功率谱比,然而并不总是一个合适的解。约束最小二乘方滤波要求噪声原创 2017-01-18 22:48:27 · 28267 阅读 · 16 评论 -
区域填充
应用背景:在边界已知的情况下,如果想要得到边界所包围的区域,可以使用区域填充技术,它是边界提取的反过程。原创 2017-02-28 21:41:47 · 459 阅读 · 0 评论 -
连通分量的提取
应用背景:在许多自动图像分析应用中,如何识别出图像中的不同之处,往往是从其二值图像中提取连通分量。连通分量的定义:令S是一个像素子集,如果S中的全部像素之间存在一个通路(m通路或8通路),则可以说两个像素p和q在S中是连通的。对于S中的任何像素p,S中连通到该像素的像素集称为S的连通分量。原创 2017-02-28 22:34:53 · 5783 阅读 · 2 评论 -
Lucky-Richardson 滤波复原
应用背景:约束最小二乘滤波算法需要提供点扩散函数和噪声参数,但很多场合下噪声的参数未知,Lucky-Richardson 滤波算法是非线性方法中的一种典型的复原方法,在噪声未知的情况下仍能得到较好的复原结果。Lucky-Richardson 滤波算法用泊松噪声对未知噪声建模,通过迭代求出最可能的复原图像。原创 2017-02-26 22:16:59 · 1953 阅读 · 0 评论 -
击中与击不中变换
应用背景:在图像中某种特定形状的精确定位,常使用形态学击中与击不中变换,它是一种形状检测的基本工具。原创 2017-02-27 10:12:29 · 497 阅读 · 0 评论 -
边缘检测
应用背景:在灰度图像分割中,根据灰度的突变来区别图像中两个不同的部分,那么这个灰度突变的部分就是形成了边缘,要分割图像时首先进行边缘检测。边缘检测的三个基本步骤:1、对图像进行平滑处理以达到降低噪声的效果。2、边缘点的检测。3、检测完点后,进行边缘定位,即检测出边缘。原创 2017-03-31 10:49:59 · 694 阅读 · 0 评论 -
霍夫变换
应用背景:理想情况下的边缘检测时仅产生边缘上的像素集合,然而在实际应用中,由于噪声、光照不均匀等因素导致图像边缘出现不连续点,必须通过边缘连接的方法使得边缘完整。霍夫变换是一种在整个图像边缘进行连接间断点的全局处理技术。原创 2017-03-31 16:46:40 · 524 阅读 · 0 评论 -
Matlab中fspecial函数 和imfilter函数的用法
fspecial函数用于建立预定义的滤波算子,其语法格式为:h = fspecial(type)h = fspecial(type,para)其中type指定算子的类型,para指定相应的参数;type的类型有:1、'average'averaging filter为均值滤波,参数为hsize代表模板尺寸,默认值为【3,3】。H = FSPECIAL('average',HSIZE...原创 2018-07-19 18:00:25 · 3705 阅读 · 0 评论