摘要：
radon变换就是图像在不同方向上的投影。下图f(x,y)可以代表图像，R(x')就是图像向右下方的投影。数学上是按投影方向进行线积分，在图像领域就是按照投影方向累加像素就行了。matlab中有radon函数，为了熟悉原理我又写了一个。通过旋转图像映射，效率不怎么样。canny后Lena:45度投影：代码如下：main.mclear all; close all; clc;img=imread('lena.jpg');ed=edge(img,'canny');r=Radon(ed,45); %检测直线什么的，可以投影到0-179度上%r=radon(ed 阅读全文
摘要：
Renyi熵是对通常的香农熵的扩展，算是q阶广义熵。公式如下：其中P和香农熵公式中的P一样，是概率。当q=1时公式退化为香农熵公式。（如何证明？看wiki吧）有用此公式寻找图像最佳二值化阈值的。首先定义前景区域A，背景区域B。那么前景与背景区域像素相应的Renyi熵就如下定义：其中k是当前取的灰度级，P(A)是像素在A区域的概率，P(B)类似。当然，这里说区域，不是指空间区域，是像素灰度级区域。最后图像Renyi熵求最佳阈值定义如下：这里得到的K就是分割阈值。分割效果如下：原图：分割后：在编程时还需要确定阶数q，我取的是2。matlab代码如下：clear all;close all;clc; 阅读全文
摘要：
普通的直方图就是统计图像中像素灰度出现的次数。二维直方图的其中一维就是普通的直方图，即统计图像中像素灰度出现的次数。另一维的概念就比较模糊了，我看很多论文中都是用的当前像素邻域均值灰度出现的次数。按照这个意思，其实用当前像素邻域中值灰度出现的次数也是可以的。或者用什么厉害的算法处理一下，在统计出现灰度的次数也是可以的。所以按照这样推广，其实构成N维直方图也是未尝不可的。至于有什么用处嘛，我还需要再研究研究。lena的二维直方图，1维是普通直方图，2维是半径为1的邻域均值直方图：matlab代码如下：clear all;close all;clc;img=imread('lena.jpg 阅读全文
摘要：
中值滤波是很经典的算法了。今天看论文又知道还有一种叫自适应中值滤波的算法RAMF。原论文在这里。RAMF主要通过以下两步来处理图像。1.首先确定最大的滤波半径，然后用一个合适的半径r对图像进行滤波。计算当前滤波半径像素灰度的Imin,Imax,Imed，然后判断Imed是否在[Imin,Imax]中间，如果在则向下进行，否则扩大当前半径r继续滤波直到r等于最大滤波半径。2.如果当前处理的像素img(i,j)在[Imin,Imax]之间，则输出当前像素，否则输出当前滤波半径中值像素Imed。看下效果吧：噪声图像：RAMF算法：普通3*3中值滤波：matlab代码如下：clear all;clos 阅读全文
摘要：
关于纹理合成最经典的论文应该就数Efros的Texture Synthesis by Non-parametric Sampling这篇论文了，引用量近2000。这里的合成是基于样例的，就是先有一个小的纹理图像，然后合成一个大的。我个人的理解是，先产生一个大的随机图像，然后对随机图像中每个像素及其邻域像素和小的纹理图像做对比，找出随机图像当前邻域和小的纹理图像最接近的邻域，然后将小的纹理图像最接近的像素赋值给大的随机图像。这样每处理一个随机图像中的像素，就需要遍历小的纹理图像的所有像素，所以运行时间是很慢的。先看下效果：小的纹理图像：合成的纹理图像：matlab代码如下：clear all;c 阅读全文
摘要：
所谓的最终腐蚀并不是把图像不断腐蚀直到一片黑为止，那样还有什么意思呢。最终腐蚀的意思是连续腐蚀过程中连通子区域消失前所有剩余部分的并。看下图有一个连通区域：那么最终腐蚀就是把图像不断腐蚀到只剩圆环最中间的白色区域为止。如下：所以一般最终腐蚀之后，如果再腐蚀一下，那么图像就全没了。最终腐蚀的通常算法会先对原图像使用距离变换，然后求区域极大值。不过这种方法怎么说呢，速度倒是快，不过我实验了很多次，求得的结果很不稳定。所以我就自己开发了一个算法，虽然有些慢，不过很稳定。1.首先对原图像进行连通区域标记。2.对标记后图像不断进行腐蚀，每腐蚀一次，重新标记连通区域。3.每腐蚀并且标记一次之后，检查腐蚀后 阅读全文
摘要：
顾名思义，条件膨胀是带有限定条件的膨胀。限定条件通常有两个。1.膨胀始终在原始集合内。如下图：原始集合图像：集合内部的子集图像：如果对后一个图进行规则1的条件膨胀，那么最后的结果就会得到第一幅图。所以这里第一幅图即是原始集合图像又是最终条件膨胀图像。2.膨胀之后各自粒子互不连接。如下图：原图：按规则2条件膨胀需首先标记连通区域：然后再进行互补侵犯的膨胀：根据具体应用环境，可以使用单一的条件或两个条件同时使用。分水岭分割的最后筑坝那一步就是两个条件同时使用到了。单独规则1的matlab代码：clear all;close all;clc;mask=imread('p1.jpg') 阅读全文
摘要：
目标内边界的像素全都在目标里面，目标外边界的像素全都不在目标上，是包围着目标的。二值图像内外边界的计算都是有两种方法的，所以一共是4种算法，不过实际用到跟踪的只有一个而已。首先是内边界跟踪：第一种方法不是跟踪方法。步骤是先对原图像腐蚀，然后用原图像减去腐蚀后的图像就得到边界了。第二种方法是跟踪方法。步骤如下：1.遍历图像。2.标记第一个遇见像素块的前景像素（i,j）。3.对这个像素周围八邻域逆时针搜索，如果搜索到周围有前景像素，那么更新坐标（i,j）为（i',j'），并标记。4.不断执行第3步直到再次遇见此像素块第一次标记的像素。5.继续执行第1步。然后是外边界跟踪：第一种方法 阅读全文
摘要：
聚类算法，不是分类算法。分类算法是给一个数据，然后判断这个数据属于已分好的类中的具体哪一类。聚类算法是给一大堆原始数据，然后通过算法将其中具有相似特征的数据聚为一类。这里的k-means聚类，是事先给出原始数据所含的类数，然后将含有相似特征的数据聚为一个类中。所有资料中还是Andrew Ng介绍的明白。首先给出原始数据{x1,x2,...,xn}，这些数据没有被标记的。初始化k个随机数据u1,u2,...,uk。这些xn和uk都是向量。根据下面两个公式迭代就能求出最终所有的u,这些u就是最终所有类的中心位置。公式一：意思就是求出所有数据和初始化的随机数据的距离，然后找出距离每个初始数据最近的数 阅读全文
摘要：
将彩色图像RGB三色分离出来是一个很有意义的操作。用到void split(const Mat& mtx,vector<Mat>& mv),void merge(const vector<Mat>& mv,Mat& dst)这两个函数。#include "cv.h"#include "highgui.h"#include <iostream>#include <vector>using namespace std;using namespace cv;int main(int 阅读全文