摘要：
一、前言 二值图像，顾名思义就是图像的亮度值只有两个状态：黑(0)和白(255)。二值图像在图像分析与识别中有着举足轻重的地位，因为其模式简单，对像素在空间上的关系有着极强的表现力。在实际应用中，很多图像的分析最终都转换为二值图像的分析，比如：医学图像分析、前景检测、字符识别，形状识别。二值化+数学 阅读全文
摘要：
1. 前言 在图像分析中，投影曲线是我们经常要用到的一个图像特征，通过投影曲线我们可以看到在某一个方向上，图像灰度变化的规律，这在图像分割，文字提取方面应用比较广。一个投影曲线，它的关键信息就在于波峰与波谷，所以我们面临的第一个问题就是找到波峰与波谷。 第一次涉及到求波峰与波谷时，很多人都不以为意， 阅读全文
摘要：
1. 特征的不变性 每个物体，我们总可以用一些词语或部件来描述它，比如人脸的特征：两个眼睛、一个鼻子和一个嘴巴。对于图像而言，我们需要计算机去理解图像，描述图像就需要计算机去取得图像的特征，对图像比较全面的描述即一个二维矩阵，矩阵内的每个值代表图像的亮度。有时候我们需要让计算机更简化的来描述一个图像 阅读全文
摘要：
1. 矩的概念 图像识别的一个核心问题是图像的特征提取，简单描述即为用一组简单的数据（图像描述量）来描述整个图像，这组数据越简单越有代表性越好。良好的特征不受光线、噪点、几何形变的干扰。图像识别发展几十年，不断有新的特征提出，而图像不变矩就是其中一个。 矩是概率与统计中的一个概念，是随机变量的一种数 阅读全文
摘要：
1、斑点概念 斑点通常是指与周围有着颜色和灰度差别的区域。在实际地图中，往往存在着大量这样的斑点，如一棵树是一个斑点，一块草地是一个斑点，一栋房子也可以是一个斑点。由于斑点代表的是一个区域，相比单纯的角点，它的稳定性要好，抗噪声能力要强，所以它在图像配准上扮演了很重要的角色。 同时有时图像中的斑点也 阅读全文
摘要：
1、图像边缘 OpenCV图像平滑中的“平滑”，从信号处理的角度看，是一种"低通滤波"，图像边缘是 像素值变化剧烈 的区域 (“高频”)，可视为一种 "高通滤波"，对应的场景如下： 1) 深度的不连续 (物体处在不同的物平面上) 2) 表面方向的不连续 (如，正方体不同的两个面) 3) 物体材料不同 阅读全文
摘要：
人工神经网络(ANN) 简称神经网络(NN)，能模拟生物神经系统对物体所作出的交互反应，是由具有适应性的简单单元(称为神经元)组成的广泛并行互连网络。 1 神经元 1.1 M-P 神经元 如下图所示，来自其它神经元的信号，x1,x2,...,xnx1,x2,...,xn，传递过来作为输入信号，并通过 阅读全文
摘要：
一、基于阈值 灰度阈值化，是最简单，速度最快的图像分割方法，广泛用于实时图像处理领域 ，尤其是嵌入式系统中 设输入图像 f，输出图像 g，则阈值化公式为 g(i,j)={10当 f(i, j) ≥ T 时当 f(i, j) < T 时g(i,j)={1当 f(i, j) ≥ T 时0当 f(i, j 阅读全文
摘要：
valid卷积 在full卷积的卷积过程中，会遇到KflipKflip靠近I的边界（K矩阵与I矩阵），就会有部分延申到I之外，这时候忽略边界，只考虑I完全覆盖KflipKflip内的值情况,这个的过程就是valid卷积。一个高为H1，宽为W1的矩阵I与高为H2,宽为W2的矩阵K,在H1大于等于H2， 阅读全文
摘要：
高斯平滑 假设一个列数为W,行数为H的高斯卷计算子gaussKernel,其中W,H均为奇数，描点位置在（(H-1)/2 ,(W-1)/2）,构建高斯卷积核的步骤如下1.计算高斯矩阵： \[gaussMatrix_(H*W) = [gauss(r,c,\sigma)] (0\leqslant r \ 阅读全文