摘要：
matlab练习程序（SUSAN检测） SUSAN算子既可以检测角点也可以检测边缘，不过角点似乎比不过harris，边缘似乎比不过Canny。不过思想还是有点意思的。 主要思想就是：首先做一个和原图像等大的目标图像。然后用一个圆形的模板，用模板去遍历原图像每个像素，把模板内的每个像素都和模板中心像素比较，如果灰度小于一个阈值，那么就对目标图像当前和原图像相同位置的像素加一，直到结束。目标图像中在原图像是角点的位置就会取局部极小，所以做一个反向的相减。img=max(img)-img,if imgmax([max(imgn(i-1,j-1:j+1)) imgn(i,j-1) imgn(i,j.. 阅读全文
摘要：
MATLAB中提供的线型属性有：线型说明标记符说明颜色说明-实线(默认)+加号符r红色--双划线o空心圆g绿色:虚线*星号b蓝色:.点划线.实心圆c青绿色x叉号符m洋红色s正方形y黄色d菱形k黑色^上三角形w白色v下三角形>右三角形<左三角形p五角星h六边形 阅读全文
摘要：
迭代法的步骤：选择一个近似阀值T，将图像分为两部分，前景和背景部分：F，B。计算F和B的均值u1和u2，选择新的阀值T2=（u1+u2）/2。直到u1和u2不再变化为止。 阅读全文
摘要：
图像预处理的重要的作用就是滤除噪音。 图像的能量主要集中在低频部分，噪声所在的频段主要是高频段，同时图像的边缘信息只要集中在高频部分，所选的滤波器最好可以去除噪音和保留边缘信息。 有两种滤波器：线性滤波和非线性滤波。线性滤波对于图像的边缘信息不以保留，非线性滤波可以保留图像细节同时去除噪声。 1）均值滤波：均值滤波的内涵就是快操作，用图像邻域内像素的灰度平均值代替该快内各个像素的值，进行滤波。这样处理的结果会产生模糊现象。目前的改进办法就是进行加权，把中心点加强为最高。 2）高斯滤波： 阅读全文
摘要：
VISUAL SALIENCY DETECTION BASED ON BAYESIAN MODEL。Yulin Xie, Huchuan Lu.2011 IEEE 这篇文章有两方面的有点：第一，采用粗到细的策略得到粗略显著区域的位置。 第二，通过使用贝叶斯框架计算先验概率得到显著图。 文章的大体流程：检测显著区域的角点 ---> 用凸包将显著点包围起来，得到粗略的显著图--->计算贝叶斯理论中的后验概率计算显著值得到显著图. 1）检测显著区域的角点：采用颜色增强Harris角点作为显著点。（显著点提供了大致的显著区域）。 2）用... 阅读全文
摘要：
Harris角点检测算法优化一、综述用Harris算法进行检测，有三点不足：（1）该算法不具有尺度不变性；（2）该算法提取的角点是像素级的；（3）该算法检测时间不是很令人满意。基于以上认识，我主要针对第（3）点对Harris角点检测算法提出了改进。二、改进Harris算法原理 在介绍我的方法之前，我先提出如下概念：图像区域像素的相似度。我们知道，Harris角点检测是基于图像像素灰度值变化梯度的，灰度值图像的角点附近，是其像素灰度值变化非常大的区域，其梯度也非常大。换句话说，在非角点位置邻域里，各点的像素值变化不大，甚至几乎相等，其梯度相对也比较小。从这个角度着眼，我提出了图像区域像素的相似度 阅读全文
摘要：
matlab函数_连通区域1、 matlab函数bwareaopen──删除小面积对象格式：BW2 = bwareaopen(BW,P,conn)作用：删除二值图像BW中面积小于P的对象，默认情况下使用8邻域。算法：(1)Determine the connected components. L = bwlabeln(BW, conn);(2)Compute the area of each component. S = regionprops(L, 'Area');(3)Remove small objects. bw2 = ismember(L, find([S.Area] 阅读全文
摘要：
基于均值漂移分割的颜色显著性模型 Xu Liu, Zengchang Qin1, Xiaofan Zhang, and Tao Wan，2013 IEEE 基本的流程图如下： 1）基于QDCT系数求Rk的品均显著值公式为：|Rk|表示区域的总共的像素值，得到大致显著图M，通过大致显著图得到前景P(F)和背景P(B)。 2）均值漂移分割为K个区域，每个区域进行颜色的归一化处理： 3）求 p（F)和 p（B)的先验概率：，为前景像素数，相应的分母表示前景背景总的像素数。 4) 求取，表示Ck在前景中的概率，，同样的方法求得Ck在背景中的概率。 5）最后的显著值采用贝叶斯理论： ... 阅读全文