乍一看到某个问题,你会觉得很简单,其实你并没有理解其复杂性。当你把问题搞清楚之后,又会发现真的很复杂,于是你就拿出一套复杂的方案来。实际上,你的工作只做了一半,大多数人也都会到此为止……。但是,真正伟大的人还会继续向前,直至找到问题的关键和深层次原因,然后再拿出一个优雅的、堪称完美的有效方案。

—— from 乔布斯

随笔分类 -  传统计算机视觉

摘要:[TOC] 博客: "博客园" | "CSDN" | "blog" 写在前面 在计算机视觉中, 滤波 ( filtering )是指 Image filtering : compute function of local neighborhood at each position. —— from 阅读全文
posted @ 2020-02-04 20:59 shine-lee 阅读(2651) 评论(0) 推荐(2) 编辑
摘要:博客: "博客园" | "CSDN" | "blog" 先上图,下图通过输入输出来区分不同学科。 计算机视觉 ( Computer Vision , CV ),输入为图像或图像序列,输出为某种信息或描述, 目的在于理解图像,获得语义信息 。比如目标识别任务,输入一张图片,输出图中有哪些物体、都在什么 阅读全文
posted @ 2020-01-31 18:58 shine-lee 阅读(2243) 评论(2) 推荐(1) 编辑
摘要:博客:blog.shinelee.me | 博客园 | CSDN 写在前面 2D图像常见的坐标变换如下图所示: 这篇文章不包含透视变换(projective/perspective transformation),而将重点放在仿射变换(affine transformation),将介绍仿射变换所包 阅读全文
posted @ 2019-05-30 17:37 shine-lee 阅读(92706) 评论(10) 推荐(57) 编辑
摘要:博客: "blog.shinelee.me" | "博客园" | "CSDN" 特征 在计算机视觉领域, 特征是为了完成某一特定任务需要的相关信息 。比如,人脸检测中,我们需要在图像中提取特征来判断哪些区域是人脸、哪些区域不是人脸,人脸验证中,我们需要在两个人脸区域分别提取特征,来判断他们是不是同一 阅读全文
posted @ 2018-11-29 12:00 shine-lee 阅读(10484) 评论(0) 推荐(11) 编辑
摘要:均值与方差 首先回忆下均值和方差的定义,若存在n个数为x1,x2,,xn,则均值μ为: μ=x1+x2++xnn 均值衡量的是数值集中在哪个数值附近 。令标准差为σ,则方差σ2为: 阅读全文
posted @ 2018-09-27 17:43 shine-lee 阅读(3272) 评论(0) 推荐(0) 编辑
摘要:高斯函数与高斯滤波 一维高斯函数我们都熟悉,形式如下: G(x)=12πσexp(x22σ2) 计算机视觉中,高斯滤波使用的高斯核为xy两个一维高斯的乘积,两个维度上的标准差σ通常 阅读全文
posted @ 2018-09-18 20:37 shine-lee 阅读(36872) 评论(2) 推荐(9) 编辑
摘要:个人博客地址: "滤波器——BoxBlur均值滤波及其快速实现" 动机:卷积核、滤波器、卷积、相关 在数字图像处理的语境里,图像一般是二维或三维的矩阵,卷积核(kernel)和滤波器(filter)通常指代同一事物,即 对图像进行卷积或相关操作时使用的小矩阵 ,尺寸通常较小,常见的有3\ 3、5\ 阅读全文
posted @ 2018-07-23 15:52 shine-lee 阅读(3121) 评论(0) 推荐(0) 编辑
摘要:之前用Matlab做图像处理工作时,用到什么函数就查什么函数,从没做过系统的总结,再做的时候又要去查,所以总结还是有必要的~为了方便,在此只列出函数名和基本用法,如不特别指出,不详细说明参数,辅助help和doc争取持续更新~********************************正文分割线... 阅读全文
posted @ 2014-09-26 22:53 shine-lee 阅读(4552) 评论(0) 推荐(0) 编辑

51La
点击右上角即可分享
微信分享提示