zdy0_2004的专栏

视频瞳孔跟踪之星团模型 http://www.cnblogs.com/ren19930504/p/4319156.html 视频瞳孔跟踪之星团模型 1.预处理 1.1去除图像噪声 使用5*5的高斯平滑处理散粒噪声；使用             模型处理线路噪声， 是第 i 帧图像，第 l 行像素的平均值，

特征向量物理意义 http://blog.csdn.net/henhen2002/article/details/6167400 什么是特征向量，特征值，矩阵分解 [1. 特征的数学意义]         我们先考察一种线性变化，例如x,y坐标系的椭圆方程可以写为x^2/a^2+y^2/b^2=1，那么坐标系关于原点做旋转以后，椭圆方程就要发生变换。我们可以把原坐标系的(x,y)乘

快速高斯滤波 http://www.cnblogs.com/luo-peng/p/4839658.html 高斯滤波器是图像处理中经常用到的滤波器，其滤波核函数为： 为简单起见，这里省略了归一化因子。 由的可分离特性： 得：   其中为输入图像，为输出图像，为滤波模板半径。根据准则，通常使。 由上式可见，我们可以将二维高斯滤波分解为两次一维高斯滤波。

http://www.cnblogs.com/lianera/p/5032631.html 理论 在相机采集到的图像中，往往会存在一定的噪声。这种噪声一般来说在空间域是互不相关的，并且是一种加性噪声。对于一幅相机采集到的图像，可以表示为无噪声图像和加性噪声的组成，也即： g(x,y)=f(x,y)+η(x,y)(1) 其中：g(x,y)为采集图像，f(x,y

http://www.cnblogs.com/ryuasuka/p/4932239.html 一幅图像二值化处理后往往包含多个区域，需要通过标记把它们分别提取出来。标记分割后图像中各区域的简单而有效的方法是检查各像素与其相邻像素的连通性。 在二值图像中，背景区像素的值为0，目标区域的像素值为1。假设对一幅图像从左向右，从上向下进行扫描，要标记当前正被扫描的像素需要检查它与在它之

http://blog.csdn.net/abcjennifer/article/details/7616663 双边滤波器是什么？ 双边滤波（Bilateral filter）是一种可以保边去噪的滤波器。之所以可以达到此去噪效果，是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。可以与其相比较的两个filter：高斯低通滤波

http://www.cnblogs.com/shushen/p/5053588.html 基于两步法的网格去噪算法顾名思义包含两个步骤：首先对网格表面的法向进行滤波，得到调整后的网格法向信息，然后根据调整后的法向更新顶点坐标位置，下面介绍三篇该类型的文章。 　　[Sun et al. 2007]文章首先介绍了当前法向滤波方法以及顶点坐标更新方法，然后提出自己的法向滤波方法和顶点坐标更

http://geek.csdn.net/news/detail/53015 简介 笔者曾在《Face swapping》一文中提到过人脸检测，使用流行的“哈尔特征（Haar-like features）级联”算法逐步执行，就能在图像中获得初级的人脸轮廓。 在本文中，笔者将会详细介绍一个转化这种人脸检测算法的自制脚本：取代原本在图像中确认是否包含人脸的做法，这种新办法会通

http://www.cnblogs.com/skyfsm/p/6888213.html 在实际应用中，我们的图像常常会被噪声腐蚀，这些噪声或是镜头上的灰尘或水滴，或是旧照片的划痕，或者是图像遭到人为的涂画（比如马赛克）或者图像的部分本身已经损坏。如果我们想让这些受到破坏的额图片尽可能恢复到原样，Opencv能帮我们做到吗？ OpenCV真的有这个妙手回春的功能！别以为图像修补