随笔分类 - 图像处理
摘要：【图像处理笔记】总目录 0 引言 1987年，小波被证明是多分辨率信号处理和分析的基础。多分辨率理论融合并统一了来自不同学科的技术，包括来自信号处理的子带编码、来自数字语音识别的正交镜像滤波及金字塔图像处理。顾名思义，多分辨率理论涉及多个分辨率下的信号（或图像）表示与分析。 曾经有人问我有关haar
阅读全文
摘要：1 图像增强 1.1 图像增强 2 形态学 2.1 二值图像形态学 2.2 灰度级形态学 2.3 形态学重建 3 图像分割 3.1 图像分割之基于灰度不连续性的分割方法 3.2 图像分割之阈值处理 3.3 图像分割之区域生长、区域分离与聚合 3.4 图像分割之聚类和超像素 3.5 图像分割之形态学分
阅读全文
摘要：【图像处理笔记】总目录 0 引言 特征提取就是从图像中提取显著并且具有可区分性和可匹配性的点结构。常见的点结构一般为图像内容中的角点、交叉点、闭合区域中心点等具有一定物理结构的点，而提取点结构的一般思想为构建能够区分其他图像结构的响应函数或者从特征线或轮廓中进行稀疏采样。Harris角点检测器便是运
阅读全文
摘要：【图像处理笔记】总目录 0 引言 特征提取之边界特征和特征提取之区域特征两篇博客介绍的描述子非常适合于某些应用（如工业检测），在这些应用中，可以使用图像分割中的方法可靠地分割图像中的各个区域。主分量特征向量与前面的内容是不同的， 因为它们基于多幅图像。在某些应用中，如搜索图像数据库寻找匹配（如人脸识
阅读全文
摘要：【图像处理笔记】总目录 0 引言 图像分割为多个区域或它们的边界后，需要进行特征提取，特征提取包括特征检测和特征描述。特征检测是指在边界、区域或图像中发现特征，特征描述是将定量属性分配给检测到的特征。例如，可以检测一个区域边界上的角，并用它们的方向和位置来描述这些角，其中的方向和位置都是定量属性。在
阅读全文
摘要：【图像处理笔记】总目录 0 引言 图像分割为多个区域或它们的边界后，需要进行特征提取，特征提取包括特征检测和特征描述。特征检测是指在边界、区域或图像中发现特征，特征描述是将定量属性分配给检测到的特征。例如，可以检测一个区域边界上的角，并用它们的方向和位置来描述这些角，其中的方向和位置都是定量属性。在
阅读全文
摘要：【图像处理笔记】总目录 0 引言 大多数分割算法都基于图像灰度值的两个基本性质之一：不连续性和相似性。第一类方法根据灰度的突变（如边缘）将图像分割为多个区域：首先寻找边缘线段，然后将这些线段连接为边界的方法来识别区域。第二类方法根据一组预定义的准则把一幅图像分割为多个区域。本节讨论两种相关的区域分割
阅读全文
摘要：【图像处理笔记】总目录 0 引言 迄今为止，我们讨论了基于三个主要概念的分割：边缘检测、阈值处理和区域提取。每种方法都有优点[例如全局阈值处理具有速度优势]和缺点[例如在基于边缘的分割中，需要进行后处理(如边缘连接)]。本节讨论的基于形态学分水岭概念的方法。分水岭分割体现了其他三种方法的许多概念，因
阅读全文
摘要：0 引言 本章的大多数分割算法都基于图像灰度值的两个基本性质之一：不连续性和相似性。第一类方法根据灰度的突变（如边缘）将图像分割为多个区域：首先寻找边缘线段，然后将这些线段连接为边界的方法来识别区域。第二类方法根据一组预定义的准则把一幅图像分割为多个区域：上一节根据像素性质（如灰度值或颜色）的分布进
阅读全文
摘要：本章的大多数分割算法都基于图像灰度值的两个基本性质之一：不连续性和相似性。第一类方法根据灰度的突变（如边缘）将图像分割为多个区域；第二类方法根据一组预定义的准则把一幅图像分割为多个区域。上一节采用第一类方法首先寻找边缘线段，然后将这些线段连接为边界的方法来识别区域。本节讨论根据灰度值或灰度值的性质来
阅读全文
摘要：已知一幅图像中的n个点，假设我们希望找到这些点中位于直线上的子集。一种可能的解决方法是，首先找到由每对点确定的所有直线，然后寻找靠近特定直线的那些点的所有子集。这种方法涉及寻找n(n-1)/2~n2条直线，然后将每个点与所有直线执行n(n(n-1))/2~n3次比较。在大多数应用中，这都是一项困难的
阅读全文
摘要：Canny边缘检测是Canny在1986年提出来的，目前仍是图像边缘检测算法中最经典、先进的算法之一。canny方法基于如下三个基本目标： 1. 低错误率：所有边缘都应被找到，并且不应有虚假响应。 2. 最优定位：已定位的边缘必须尽可能接近真实边缘 。也就是说，由检测子标记为边缘的一点和真实边缘的中
阅读全文
摘要：形态学处理相同，图像分割操作的输入是图像，输出是从图像中提取出来的属性。本章的大多数分割算法都基于图像灰度值的两个基本性质之一：不连续性和相似性。第一类方法根据灰度的突变（如边缘）将图像分割为多个区域；第二类方法根据一组预定义的准则把一幅图像分割为多个区域。本节的重点是以灰度局部剧烈变化检测为基础的
阅读全文
摘要：迄今为止讨论的形态学概念只涉及一幅图像和一个或多个结构元。本节讨论一种强大的形态学变换，即形态学重建。形态学重建涉及两幅图像和一个结构元：一幅图像是标记，我们用 F 来表示，它包含重建的起点；另一幅图像是模板，我们用 G来表示，它用来约束重建；结构元用于定义连通性。对于二维应用，连通性通常定义为 8
阅读全文
摘要：形态学图像处理是指，以数学形态学为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等，以及预处理或后处理的形态学技术，如形态学滤波、细化和修剪等。形态学运算时用集合来定义的。在图像处理中，我们使用两类像素集合的形态学：目标元素和结构元（SE）。通常，目标定义为前景像素元素集合。结
阅读全文
摘要：形态学图像处理是指，以数学形态学为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等，以及预处理或后处理的形态学技术，如形态学滤波、细化和修剪等。形态学运算时用集合来定义的。在图像处理中，我们使用两类像素集合的形态学：目标元素和结构元（SE）。通常，目标定义为前景像素元素集合。结
阅读全文
摘要：【图像处理笔记】总目录 1. 空间域 图像增强的目的主要包括：①消除噪声，改善图像的视觉效果；②突出边缘，有利于识别和处理。空间域指的是图像平面本身，空间域中的图像处理方法直接对图像中的像素进行处理。表达式为: g(x, y) = T[f(x, y)], 式中，f(x,y)是输入图像，g(x,y)是
阅读全文
