cay22的专栏

http://www.pcbres.com/pcbtech/smt/20070611100.html高速高精度片式IC的图像识别算法及实现摘要：针对电子制造业中的高速高精度贴片机的计算机视觉定位与检测问题, 研究了表面组装半导体器件SMD-IC的图像识别问题。首先分析和提出了贴片机生产过程中片式IC的识别任务，然后提出了识别算法的框架，并详细分析了IC管脚分割与定位、边界分割定位边界点、管

http://vipbase.net/ipbook/chap03.htm高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去

 图1. N维空间正态分布方程(该公式与图2的是同一个) 高斯模糊是一种图像模糊滤波器，它用正态分布计算图像中每个像素的变换。N 维空间正态分布方程为 (图2)在二维空间定义为 (图3)其中 r 是模糊半径 (r2 = u2 + v2)，σ 是正态分布的标准偏差。在二维空间中，这个公式生成的曲面的等高线是从中心开始呈正态分布的同心圆。分布不为零的像素组成的卷积矩阵与原始图像

高斯分布函数解析 http://www.cnblogs.com/ttthink/articles/1577789.html高斯模糊是一种图像模糊滤波器，它用正态分布计算图像中每个像素的变换。N 维空间正态分布方程为在二维空间定义为其中 r 是模糊半径 (r2 = u2 + v2)，σ 是正态分布的标准偏差。在二维空间中，这个公式生成的曲面的等高线是从

最优的阶梯型边缘检测算法(canny边缘检测) 1.Canny边缘检测基本原理(1)图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。(2)根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。(3)类似与Marr（LoG）边缘检测方法，也属于先平滑后求导数的方法。 2.Canny边缘检测算法：step1:用

一些图像教程网址

各种图像分割方法

基于区域的图像分割-----------区域生长

一. BMP文件存储格式:typedef struct tagBITMAPFILEHEADER {        WORD    bfType;        DWORD   bfSize;                            // 用字节表示的整个文件的大小        WORD    bfReserved1;        WOR

ocr资料备忘http://www.cnblogs.com/brooks-dotnet/archive/2010/10/07/1845313.htmlhttp://www.cnblogs.com/brooks-dotnet/archive/2010/10/05/1844203.htmlhttp://hooopo.iteye.com/blog/993538http://w

// 1. 获取DC的HBITMAP HBITMAP hBitmap = (HBITMAP)::GetCurrentObject(hDC, OBJ_BITMAP); if(0 == hBitmap) { return false; } // 2. 通过HBITMAP获取BITMAP BITMAP bitmap; ::GetObject(hBitmap, sizeof(BITM

一. 直方图均衡化算法分为三个步骤直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。第一步是统计直方图每个灰度级出现的次数(与绘制直方图第一步统计相同)并归一化到0..1;第二步是累计归一化的直方图;第三步是计算新的像素值;第一步:我们来看一个灰度图像，让表示灰度出现的次数，这样图像中灰度为 的像素的出现

图像增强目的是要改善图像的视觉效果, 针对给定图像的应用场合, 有目的地强调图像的整体或局部特性, 将原来不清晰的图像变得清晰或强调某些感兴趣的特征, 扩大图像中不同物体特征之间的差别, 抑制不感兴趣的特征, 使之改善图像质量, 丰富信息量, 加强图像判读和识别效果, 满足某些特殊分析的需要.图像增强的方法是通过一定手段对原图像附加一些信息或变换数据, 有选择地突出图像中感兴趣的特

一. 线性变换X(原灰度)经过一直线方程转换后得到Y(新灰度)上图X, Y坐标都代表灰度值, 区间都在[0, 255]之间.灰度拉伸, 灰度的直线变换, 对数变换等都是一样的原理: X代表原图像某像素的灰度值, X经过一函数式变换后得到Y, Y就代表了变换后该像素的灰度值. 当然Y不应该大于255(在8位的灰度图中)二. 直线方程Y = 

一. 灰度拉伸灰度拉伸和灰度的线性变换有点类似，都用到灰度的线性变换，但不同之处在于灰度拉伸不是完全的线性变换，而是分段进行线性变换。灰度拉伸可以更加灵活的控制输出灰度直方图的分布，它可以有选择的拉伸某段灰度区间以改善输出图像。如上图，所示的变换函数的运算结果是将原图在A.x对应灰度转换成A.y对应灰度. 同理B也是.上图X, Y坐标都代表灰

// 没有验证过// RGBYUV// RGBXYZ// RGBLAB// RGBHSV// RGBCMY// XYZLAB// YUV ->XYZ// LAB ->HSV// XYZ ->HSV// RGB ->CMYK// CMYK->CMY// http://www.cnblogs.com/phinecos/archive/2009/05/03/1448121.

一个类似CColorDialog中颜色选择的控件实现如图一一. 了解1. 这个控件相当于一个3维坐标, 分别是H(色调), S(饱和度), L(亮度). 但显示器显示的是一个平面, 所以分成了两块 HS维度块和L维度块.2. 我们使用GDI/GDIP, 通常是使用RGB格式的颜色结构, 所以需要实现RGB与HSL的互转.3. HS维度块上的颜色是怎么产生的? L

http://blog.csai.cn/user1/44205/archives/2008/23882.html不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。需要说明的是：边缘和物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实世界中的物体是

#include "math.h"// Robert算子/*-----------| N2 | N3 |-----------| N0 | N1 |-----------计算公式        ___________________       /              2                    2      / (N0 - N3)   +  (N1 - N2)  ///*

http://blog.youkuaiyun.com/hnney/archive/2009/05/18/4194408.aspx图像的灰度化原理和实现将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相

方差是实际值与期望值之差平方的平均值，而标准差是方差平方根。方差和标准差：样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。数学上一般用E{[X-E(X)]^2}来度量随机变量X与其均值E(X)的偏离程度，称为X的方差。定

http://lhbyron.bokee.com/652956.htmlBMP文件格式分析（zz）                                      前两天要做一个读取bmp文件的小程序，顺便查找了一些关于BMP格式的文章，现在post上来。简介BMP(Bitmap-File)图形文件是Window

自动化测试中基于色差分析的图片验证文档选项将此页作为电子邮件发送样例代码级别： 初级魏 鑫焱, 软件工程师, IBM 李 伟, 软件工程师, IBM 于 雷, 软件

虽然若干年前就看过了关于色彩空间的介绍，但是直到今天才自己动手写代码做这件事情。虽然网络上已经有很多现成的例子，但是一则仅仅适用于浮点型的数据，另一方面，在实现上也有一些尚可优化之处。色彩模型除了最常见的RGB以外，还有HSB、YCbCr、XYZ、Lab等。HSB一般仅仅作为图像处理过程中的临时模式，YCbCr常常用于图像的压缩处理，而XYZ则严格按照人眼对光信号的敏感度进行分布。这里将要稍作讨论

中值滤波器 ( Median Filter ) C++ 实现有了前面一个均值滤波器 的基础， 在看中值滤波器就不是很容易继续了。均值滤波是像素周围的3*3的像素做平均值操作， 那么中值就是在3*3中的像素中寻找中值。 来看这样一个描述图（无图无真相）  这把可以清晰地看到， 这里有6，2，0，3，97，4，19，3，10这些像素， 然后中间的这些像素值就被这些像素的中位数也就是中值

图像锐化算法 C++ 实现之前一段我们提到的算法都是和平滑有关， 经过平滑算法之后， 图像锐度降低， 降低到一定程度， 就变成了模糊。 今天我们反其道行之， 我们看看锐化是怎么做的。 这里的锐化， 还是的从平滑谈开去。我们先来观察原来的图像和平滑图像的区别：原图 raw                                        减去模糊图 blur   

图像锐化 边缘检测的一些基础知识互联网兴起， 生活节奏飞速，快餐成了favorite。理论学习也受到了巨大的冲击，一些不明所以的冰冷的公式和整段可以运行的代码是很多人的最爱。使得原本应该沉静的软件开发变得异常浮躁，（当然很多博客也成了帮凶：））今天就要融化冰雪， 说说代码以外的东西，说说冰雪初成的原因。 锐化的概念，我们从锐度开始谈起。很多人都以为锐度就是Sharpness,其实在数字

 双线性插值(Bilinear interpolation)的图像拉伸在mobile上面的实现双线性插值简单的说，就是扩展了之后的图像像素坐标映射回原来的坐标空间的时候， 如果出现了没有对应到整数点的情况。这时候需要做2次线性的插值计算出新的坐标的像素值，比如说：这里可以看到这个P点落在了ABCD区间内， 如果我们本着最朴素的这个P点最靠近谁权重就越大的加权平均的思想， 我们很

混合中值滤波器 ( Hybrid Median Filter ) C++ 实现在中值滤波器和均值滤波器之后, 我们看到是中值滤波器的改版, 这个名字我实在不好把握 Hybrid Median Filter实在不知道翻译成什么比较妥当.只好沿用了混合动力车里面的混合二字, 姑且把这种滤波器命名为混合中值滤波器. 这个滤波器的工作流程较之原先有些繁琐, 来看看这张图   图截的有些模糊

高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter ) C++ 实现 在之前提到过了均值滤波器, 就是说某像素的颜色, 由以其为中心的九宫格的像素平均值来决定. 在这个基础上又发展成了带权的平均滤波器, 这里的高斯平滑或者说滤波器就是这样一种带权的平均滤波器. 那么这些权重如何分布呢? 我们先来看几个

双线性插值(Bilinear interpolation)的图像旋转在mobile上面的C++实现 我们找来了图像旋转的公式： X =  X cosθ -  Y sinθ;  Y =  X sinθ  + Y cosθ;  这个图像公式大家在高中数学课都是会算滴。 然后我们要扩展一下因为我们不是在原点做旋转，我们要围绕原来的图片中心做旋转， 那么我们假定原来的图

均值滤波器 ( Mean Filter ) C++ 实现均值滤波器是 “把每个像素都用周围的8个像素来做均值操作”， 比如说这里有一个例子：非常明显的， 这个3*3区域像素的颜色值分别是5,3,6,2,1,9,8,4,7那么中间的1这个像素的过滤后的值就是这些值的平均值， 也就是前面的计算方法： (5+3+6+2+1+9+8+4+7)/9=5 一目了然。那么这个均值滤波器有

一种快速自适应的图像二值化方法介绍 (Wellner 1993)在手机模式识别的时候, 我们首先viewfinder里面拿到的frame通常是RGB的或者YUV的, 如果我们需要用来做模式识别的话, 通常需要首先把彩色图首先转化成灰度图. 对于RGB图像而言, 网上有充足的公式, 比如Y = 0.299R + 0.587G + 0.114B 等等. 如果是YUV的话, 直接用Y就是灰度图了.

形态学运算中腐蚀，膨胀，开运算和闭运算。1. 腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的算法：用3x3的结构元素，扫描图像的每一个像素用结构元素与其覆盖的二值图像做“与”操作如果都为1，结果图像的该像素为1。否则为0。结果：使二值图像减小一圈2. 膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。膨胀的算

在对图像进行边缘检测处理时，得到的结果并不是理想的边缘，而是一幅灰度图像。有时在进行图像识别的时候需要获得图像的单点宽边缘，这就需要对边缘检测的结果进行细化增强。Sobel边缘细化的原理图像的边缘检测处理可以简单理解为提取图像中区域的轮廓。图像中区域的划分以像素灰度为依据，每个区域中的像素灰度大致相同，而区域之间的边界就称为边缘，寻找这些边缘就是图像边缘检测的目的。图像边缘检测的结果直

sift创始人的代码：David Lowe's SIFT code:http://www.cs.ubc.ca/~lowe/keypoints 美国加州大学洛杉矶分校（University of California at Los Angeles) Andrea Vedaldi 博士研究生给出的基于David Lowe 发表的论文给利用Matlab和C语言混合编程给出的Sif