<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Seigfrind的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Seigfrind</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Seigfrind]]></copyright><item><title><![CDATA[android openCV 应用 (七)图像检索与分割]]></title><link>https://blog.youkuaiyun.com/Seigfrind/article/details/151961698</link><guid>https://blog.youkuaiyun.com/Seigfrind/article/details/151961698</guid><author>Seigfrind</author><pubDate>Fri, 17 Oct 2025 11:38:18 +0800</pubDate><description><![CDATA[图像检索：基于特征匹配（如SIFT、SURF、ORB）或深度学习模型（如CNN），从数据库中快速定位相似图像。图像分割：将图像划分为多个有意义的区域（如前景/背景、物体部件），支持像素级分类。]]></description><category></category></item><item><title><![CDATA[android openCV 应用 (六)图像操作进阶]]></title><link>https://blog.youkuaiyun.com/Seigfrind/article/details/148897243</link><guid>https://blog.youkuaiyun.com/Seigfrind/article/details/148897243</guid><author>Seigfrind</author><pubDate>Wed, 17 Sep 2025 14:43:54 +0800</pubDate><description><![CDATA[在OpenCV中，邻域类型主要有两种：4-邻域和8-邻域。‌4-邻域‌：像素点只与其上、下、左、右四个相邻像素相连通。‌8-邻域‌：像素点除了与其上、下、左、右四个相邻像素相连通外，还与其对角线上的四个相邻像素相连通。霍夫变换是图像处理中的一种特征提取技术，通过投票算法检测识别具有特定几何形状的物体。我们这篇文章，主要对直线进行检测。我们看见直角坐标系中有两个点A B，他们构成了一条直线y=kx=b。知道了斜率k和截距b就可以确定一条直线。我们可以将这个坐标系看成一个笛卡尔空间。]]></description><category></category></item><item><title><![CDATA[android openCV 应用 (五)图像边缘检测]]></title><link>https://blog.youkuaiyun.com/Seigfrind/article/details/148897080</link><guid>https://blog.youkuaiyun.com/Seigfrind/article/details/148897080</guid><author>Seigfrind</author><pubDate>Thu, 21 Aug 2025 09:35:50 +0800</pubDate><description><![CDATA[边缘检测的基本思想是利用微分运算（如一阶微分和二阶微分）来捕捉图像灰度值的变化，从而识别出边缘]]></description><category></category></item><item><title><![CDATA[android openCV 应用 (四)图像处理中的多尺度分析]]></title><link>https://blog.youkuaiyun.com/Seigfrind/article/details/148843549</link><guid>https://blog.youkuaiyun.com/Seigfrind/article/details/148843549</guid><author>Seigfrind</author><pubDate>Fri, 25 Jul 2025 08:51:21 +0800</pubDate><description><![CDATA[基于多尺度的图像分析方法在计算机视觉和图像处理领域中得到了广泛应用。这些方法利用图像在不同尺度下的信息来提高图像分析任务的准确性和鲁棒性。下面主要介绍下多尺度分析在传统的图像处理算法和深度神经网络架构中的设计和应用。]]></description><category></category></item><item><title><![CDATA[android openCV 应用 (三)图像处理基础]]></title><link>https://blog.youkuaiyun.com/Seigfrind/article/details/148259886</link><guid>https://blog.youkuaiyun.com/Seigfrind/article/details/148259886</guid><author>Seigfrind</author><pubDate>Tue, 10 Jun 2025 09:40:53 +0800</pubDate><description><![CDATA[LUT（Look-Up Table，查找表）函数是OpenCV中一个非常重要的工具，它允许用户通过预定义的映射关系快速修改图像中像素的值，而无需对每个像素进行复杂的计算。通过计算一个3x3的透视变换矩阵，可以将原图像中的任意点映射到目标图像中的对应点，从而实现图像的透视变换。通过计算变换矩阵，可以将原图像中的任意点映射到目标图像中的对应点，从而实现图像的仿射变换。其核心思想是设定一个阈值，将图像中的像素值根据该阈值分为两类：大于阈值的像素点设置为白色（或黑色），小于阈值的像素点设置为黑色（或白色）。]]></description><category></category></item><item><title><![CDATA[android openCV 应用 (二)统计、绘图、图像增强、颜色模型及转换]]></title><link>https://blog.youkuaiyun.com/Seigfrind/article/details/148258135</link><guid>https://blog.youkuaiyun.com/Seigfrind/article/details/148258135</guid><author>Seigfrind</author><pubDate>Tue, 27 May 2025 16:09:55 +0800</pubDate><description><![CDATA[‌视频传输中的作用‌：YUV模型将亮度和色度信息分开，使得在视频压缩和传输中可以更高效地对色度信息进行压缩，同时保持图像的亮度信息不变。‌与人类感知颜色的方式的关系‌：HSV模型更符合人类对颜色的感知方式，因为色调、饱和度和亮度是人们在描述颜色时经常使用的属性。‌基本概念‌：YUV颜色模型是一种基于亮度（Luminance，Y）和色度（Chrominance，U和V）来描述颜色的模型。‌颜色描述范围‌：RGB模型能够覆盖人眼可见的大部分颜色范围，是计算机显示设备显示颜色的标准颜色空间。]]></description><category></category></item><item><title><![CDATA[android openCV 应用 (一)]]></title><link>https://blog.youkuaiyun.com/Seigfrind/article/details/147752856</link><guid>https://blog.youkuaiyun.com/Seigfrind/article/details/147752856</guid><author>Seigfrind</author><pubDate>Wed, 07 May 2025 09:54:36 +0800</pubDate><description><![CDATA[openCV入门]]></description><category></category></item></channel></rss>