Atitit 机器视觉图像处理与机器学习概论2017版 attilax著

Atitit 机器视觉图像处理与机器学习概论2017版 attilax著

 

1. 前言 4

2. 绪论 4

2.1. 图像处理的内容 机器视觉的内容 4

2.2. 图像处理与机器视觉的场景与用途 4

3.  图像、 采样和频域处理 4

4. 基本图像处理运算 5

4.1. 梯度、边缘和角点  2 采样、插值和几何变换     5

5. 图像分析 5

5.1.  平滑处理  6

3.2 直方图 3.3 点算子 3.4 群运算 3.5 其他统计算子 3.6 数学形态学 6

5.2. 图像截切与拼接 6

5.3. 图像缩放 6

6. 灰度变换  颜色空间hsv  rgb 6

7. 图像滤波 7

7.1. 6.2 使用低通滤波器………………………………………………………………………126 7

7.2. 6.3 使用中值滤波器………………………………………………………………………130 7

7.3. 6.4 使用方向滤波器检测边缘……………………………………………………………132 7

7.4. 6.5 计算图像的拉普拉斯变换……………………………………………………………138 7

7.5. 第 7 章提取直线、轮廓及连通区域 7

8. 直方图算法 直方图统计像素 7

8.1. 4.2 计算图像的直方图……………………………………………………………………77 8

8.2. 4.4 直方图均衡化…………………………………………………………………………88 8

8.3. 4.5 反投影直方图以检测特定的图像内容………………………………………………89 8

8.4. 4.6 使用均值漂移（Mean Shift）算法查找物体………………………………………95 8

8.5. 4.7 通过比较直方图检索相似图片 8

9. 操作像素 9

10. 图像相似度检测 9

10.1. Phash算法 9

11. 图像填充 9

11.1. 填充轮廓，填充空洞  漫水填充 9

12. 图像金字塔与图片尺寸缩放 9

12.1. .6.2 关于图像金字塔 223 9

12.2. 6.6.3 高斯金字塔 225 9

12.3. 6.6.4 拉普拉斯金字塔 226 9

13. 阈值化 237 9

14. 图像特征与提取 9

15. 形状匹配的特征提取 5.1 概述 5.2 阈值处理和背景减法 5.3 模板匹配 5.4 低级特征提取 5.5 霍夫变换 9

16. 彩色图像 10

17. 空间滤波 与频率域滤波 10

18. 图像压缩  11

19. 形态学图像处理  11

20.  图像分割  11

20.1. 18.1. 10.2 点、线和边缘检测  11

20.2. 10.3 阈值处理  12

20.3. 10.4 基于区域的分割  12

20.4. 10.5 使用形态学分水岭的分割  12

20.5. 10.6 分割中运动的应用  12

20.6. 18.3. 3.4.2　提取连通区域 12

20.7. 3.4.3　亚像素精度阈值分割 12

21. 特征提取 13

21.1. 3.5.1　区域特征 13

21.2. 3.5.2　灰度值特征 13

21.3. 3.5.3　轮廓特征 13

22. 边缘检测与边缘提取 13

22.1. 7.1.2 canny算子 248 13

22.2. 7.1.3 sobel算子 253 13

22.3. 7.1.4 Laplacian 算子 256 13

22.4. 7.1.5 scharr滤波器 259 13

22.5. 一维边缘提取 13

22.6. 3.7.3　二维边缘提取 13

22.7. 3.7.4　边缘的准确度 13

23. 图像增强与恢复 13

24. 形状检测，直线圆圈检测hough检测 13

25. 滤镜处理 14

25.1. 毛玻璃，油画，素描滤镜 14

25.2. 图像叠加 14

26. 图像变换 14

26.1. Kl变化，fdt变换 霍夫变换 14

27. 联通区域 14

28. 目标坐标检测，目标检测，模板匹配 14

28.1. GrabCut算法提取前景物体 15

28.2. 模板匹配 15

28.3. 轮廓匹配 15

29. 光学字符识别（OCR） 15

29.1. 3.12.1　字符分割 15

29.2. 3.12.2　特征提取 15

29.3. 3.12.3　字符分类 15

29.4. 模板匹配 15

30. 角点检测 检测并匹配兴趣点 15

30.1. 1.1. 重要的特征点检测算法标准（旋转不变形，尺度缩放不变性） 1 16

30.2. 1.2. Moravec角点检测 1977 1 16

30.3. 1.3. Harris角点检测 1988 1 16

30.4. 1.4. 1994年提出的Shi-Tomasi角点检测 2 16

30.5. 1.5. SUSAN角点  1997 2 16

30.6. 1.6. 2006年提出的FAST(Feature from Accelerated Segment Test)算子，这个原理简单易懂啊。 2 16

30.7. 1.7. Sift 1999年提出， 2004年，又对Sift完善 3 16

30.8. 1.8. SURF是在2006年才被Bay等提出的 3 16

30.9. 1.9. Orb 2011 3 16

30.10. 1.10. BRISK算法是2011 4 16

30.11. 1.11. Dense-SIFT( 4 16

31. 目标识别  模式识别 16

31.1. 车牌识别