随笔分类 -  图像处理

摘要:import cv2 import numpy as np #from PIL import Image def separate_color_red(img): hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) lower_hsv = np.array([0, 阅读全文
posted @ 2020-07-08 18:36 Parallax 阅读(231) 评论(0) 推荐(0) 编辑
摘要:图像增强:目的,改善图像的视觉效果或转变成更利于分析的形式。 一.空域增强 对比度增强:如直方图均衡化等 图像平滑:使边缘等变的模糊 中值滤波 高斯滤波等 图像锐化:使边缘变得突出,最常用的是梯度法。 一阶的有Prewwit算子,sobel算子,canny算子等; 二阶的有laplace算子,lap 阅读全文
posted @ 2020-03-25 17:29 Parallax 阅读(1316) 评论(0) 推荐(0) 编辑
摘要:为何很多地方要用傅里叶变换? 很多在时域看似不可能做到的数学操作,在频域相反很容易,这就是需要傅里叶变换的地方。 尤其是从某条曲线中去除一些特定的频率成分,这在工程上称为滤波,是信号处理最重要的概念之一,只有在频域才能轻松的做到。 幅值谱:频率和幅值的关系。中心为频率最小点。因此幅值谱中心部分代表的 阅读全文
posted @ 2020-03-24 14:36 Parallax 阅读(4971) 评论(1) 推荐(1) 编辑
摘要:频域滤波是在频率域对图像做处理的一种方法。步骤如下: 滤波器大小和频谱大小??相同,相乘即可得到新的频谱。 高频信息:图像中那些快速变化的部分,即边缘和细节部分。 低频信息:图像中那些平缓的部分,决定了图像的基本灰度等级。 滤波后结果显示:低通滤波去掉了高频信息,即细节信息,留下的低频信息代表了概貌 阅读全文
posted @ 2020-03-23 18:39 Parallax 阅读(537) 评论(0) 推荐(0) 编辑
摘要:粗匹配: 暴力匹配(汉明距离):顾名思义,取a图中一个点,依次计算与b图中所有点的距离,找出距离最近点 FLANN 快速最近邻匹配:实现原理:对高维数据依次以其中一维作为划分依据将所有点构建一个KD-Tree,从集合中快速查找。效率比暴力匹配高的多。 去粗取精:匹配错误点剔除 1.Lower's算法 阅读全文
posted @ 2020-03-20 11:06 Parallax 阅读(1547) 评论(0) 推荐(0) 编辑
摘要:sift:128维向量,方向梯度直方图 https://www.xuebuyuan.com/3258316.html 阅读全文
posted @ 2020-03-20 10:39 Parallax 阅读(84) 评论(0) 推荐(0) 编辑
摘要:功能:采用迭代的方法去估计样本的拟合模型 应用:剔除错误点、直线拟合、平面拟合、估计图像或点云间的变换矩阵、估计基础矩阵 思路:一组较大的样本点,假设包括外点(离群点,噪声)和内点。根据大数定律,假设随机抽样得到的数据都是内点,从样本随机抽样得到的模型可以近似作为整体模型。去计算其他点的到此抽样模型 阅读全文
posted @ 2020-03-20 10:31 Parallax 阅读(208) 评论(0) 推荐(0) 编辑
摘要:图像配准:img registration 图像拼接:img stitching 计算机断层扫描: computer tomography 仿射变换:affine transformation 投影变换:Perspective Transformation 投到一个新平面 全景图:panoramic 阅读全文
posted @ 2020-03-16 11:09 Parallax 阅读(3075) 评论(0) 推荐(0) 编辑
摘要:信噪比(SNR or S/N),即放大器的输出信号的功率,与同时输出的噪声功率的比值,常常用分贝数表示。设备的信噪比越高表明它产生的杂音越少。一般来说,信噪比越大,说明混在信号里的噪声越小,声音回放的音质量越高,否则相反。 信噪比是音箱回放的正常声音信号与无信号时噪声信号(功率)的比值。用dB表示。 阅读全文
posted @ 2020-03-09 10:39 Parallax 阅读(2322) 评论(0) 推荐(0) 编辑
摘要:https://www.cnblogs.com/seniusen/p/10012656.html 阅读全文
posted @ 2020-03-09 10:14 Parallax 阅读(121) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2019-11-25 04:17 Parallax 阅读(168) 评论(0) 推荐(0) 编辑
摘要:逆滤波图像复原 : 阅读全文
posted @ 2019-11-25 04:04 Parallax 阅读(157) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2019-11-25 03:50 Parallax 阅读(147) 评论(0) 推荐(0) 编辑
摘要:原图,增强H、S、I (亮度有时候用intensity,有时候用lightness) 阅读全文
posted @ 2019-11-25 03:47 Parallax 阅读(415) 评论(0) 推荐(0) 编辑
摘要:空间域锐化 阅读全文
posted @ 2019-11-25 03:33 Parallax 阅读(165) 评论(0) 推荐(0) 编辑
摘要:2、图像去噪——相邻像素之间是存在高度相关性的,而噪声的出现则是统计独立的。 阅读全文
posted @ 2019-11-25 03:25 Parallax 阅读(403) 评论(0) 推荐(0) 编辑
摘要:最直接的应用:图像频率域增强 傅里叶变换预备知识 二维 傅里叶变换及其性质 可分离性、周期性和共轭对称性、平移性、旋转性、卷积与相关性 阅读全文
posted @ 2019-11-25 02:52 Parallax 阅读(170) 评论(0) 推荐(0) 编辑
摘要:边缘的分类:阶跃状 和 屋顶状 边缘检测就是图像锐化的过程 空间域锐化: 通过 微分过程 增强图像边缘或轮廓 一阶梯度: 一阶差分近似 prewwit算子 sobel算子 sobel就是带权的prewwit 二阶梯度 : 用二阶差分近似 laplace算子 算子的像素值就是用邻域像素的差分表示梯度时 阅读全文
posted @ 2019-11-25 01:57 Parallax 阅读(534) 评论(0) 推荐(0) 编辑
摘要:何为纹理? 局部不规则,宏观有规律(如重复性),纹理是特征提取及三维重建的基础 方法: 1、统计分析法:用模型系数来表征纹理图像,选取适合的模型(统计量)有自回归模型、马尔可夫随机场模型、GIbbs随机场模型等——GFR目前应用的较多,统计量最常用的是共生矩阵法。(联合概率矩阵) 灰度共生矩阵法:又 阅读全文
posted @ 2019-11-25 01:18 Parallax 阅读(616) 评论(0) 推荐(0) 编辑
摘要:pixel:picture element 二维图像 voxel:volume element 三维图像 像素点描述:(x,y) 图像在计算机描述里是从左上角到右下角,因此将数学中的坐标系的y轴翻转下来,x轴不变。 像素之间的关系: 灰阶:gray level 为何一般是0-255共256阶,因为计 阅读全文
posted @ 2019-11-23 02:14 Parallax 阅读(656) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示