计算机视觉(二)

滤波和边缘检测

1. 空间滤波和频域滤波

  线性滤波和非线性滤波

  滑动滤波:

  blur 和 boxfilter、高斯滤波器是真正的低通滤波器、与boxfilter相比没有振铃现象。

  Practice matter:

    Matlab 线性滤波器:H=fspecila(‘Gaussian’,7,1);

   Opencv:filter2()

   非线性滤波器:中值滤波器 

  Image filtering: compute function of local neighborhood at each position

   Really important!
     Enhance images
       Denoise, resize, increase contrast, etc.
     Extract information from images
       Texture, edges, distinctive points, etc.
     Detect patterns
       Template matching eg. DIC/DSCM

  https://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

2. 边缘滤波  

  Canny Sobel Laplance

  一维图像:对图像进行求导。求导是方法:点位置进行后一位置减前一位置进行差分除以2

  

  二维图像:

  

  

  图像求取梯度之前,对噪声较为敏感,需要事先对图像进行平滑去噪处理。

  Prewitt 边缘检测算子:

   

Sobel 边缘检测:

   

  鲁滨逊卷积Mask

  

 

  一阶导数为极值的地方在二阶导数为0的地方相等。

 

  拉普拉斯变换算子:  

  对于噪声较为敏感,所以先用高斯滤波器进行平滑再求二阶导。

  

 

 

 

 求梯度的幅值:

  水平和垂直导数的平方和求导

 

  Canny算子:

  

  

 

3.项目:车牌检测 SVM和神经网络

  1. 图像分割

  2.特征提取

  3.模式识别

     SVM或者神经网络

  

  车牌的检测与定位:

  1. 从图片的RGB或IR图像检测成灰度

   2. 进行高斯滤波进行滤波、

  3. 边缘检测  sobel 竖直检测 

  4.形态化,将连续区域进行白色进行连通

  5.去除背景

  6. 在原图像进行可能出现的区域矩形框框起来

  7.根据长宽比去除大量的矩形框

  8.根据SVM进行图像矩形框进行分类。得到唯一一个车牌的位置

  9. 识别字符用ANN(人工神经网络)。

  

 

posted @ 2018-12-05 13:58  吕晓宁  阅读(211)  评论(0编辑  收藏  举报