图像处理
图像分类
单通道图像
二值图像
灰度图像
多通道图像
索引图像
彩色图像
常用方法
图像变换
傅立叶变换
沃尔什变换
离散余弦变换
小波变换
图像编码压缩
对图像施加某种变换或基于区域、特征进行编码的方法
最常用的无损压缩算法取空间或时间上相邻像素值的差,再进行编码。如游程码。
有损压缩算法大都采用图像交换的途径,例如对图像进行快速傅里叶变换或离散的余弦变换。
图像增强
空间域
一些平滑去噪的方法:局部求平均值法和中值滤波
灰度等级直方图处理
频域
低通滤波器可以滤除噪声
高通滤波器可以增强边缘信息
图像复原
图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。
图像分割
传统方法用到连通域,连通域的问题在于阈值的选择
图像描述
主要使用深度学习来解决
图像分类
参考
https://blog.csdn.net/jiaoyangwm/article/details/79120601
步骤
特征提取
特征编码
特征汇聚
分类器
支持向量机
K 近邻
神经网络
随机森林
检测
直线检测:霍夫变换
边缘检测
参考
https://blog.csdn.net/u013270326/article/details/81412566
算子
Sobel
Roberts
Laplacian
Canny
特征提取
参考:https://blog.csdn.net/Assure_zhang/article/details/80503196
神经网络发展
贝叶斯网络
SVN(支持向量机)
BP:反向传播进行参数调整网络
CNN:卷积神经网络
RNN:循环神经网络
图像处理
最新推荐文章于 2024-07-21 17:28:08 发布