Du_Shuang的博客

转载于：https://blog.youkuaiyun.com/broccoli_lian/article/details/79739299看了部分，没搞很明白，等有时间再看。 版权声明：本文为博主原创文章，未经博主允许不得转载：https://blog.youkuaiyun.com/broccoli_lian/article/details/79739299 这里总结了二维random walk 算法和其在图像分割领域的应用，并列出了自己在学习过程中遇到的问题，欢迎指正和讨论。 这

接下来使用冈萨雷斯图像处理的一张图来说明，方便自己查阅，也方便大家。上面那副图里面有斜坡，平坦区域，孤立点，线，台阶，我们对上面的图像分别求一阶和二阶导，然后观察期结果有什么不同。1.平坦区域不论一阶导还是二阶导，平坦区域求导后都变成0，所以他们对平坦区域都有抑制功能。2.斜坡区域斜坡区域是图像中最常见的区域，因为图片中的大部分边缘都不是突变的而是慢慢变的，由上述图片可知对于斜坡区域，...

用于边缘检测的算子应该有两个显著的特点：1.它应该能够计算图中每一个点处的一阶导数或者二阶导数的数字近似的微分算子。2.它能够被“调整”以便在任何期望的尺寸上其作用。因此，大的算子也可以用于检测模糊边缘，小的算子可以用来检测锐度集中的精细细节。满足上面两个要求的最好算子是滤波器∇2G\nabla^2G∇2G其中∇2\nabla^2∇2是拉普拉斯算子，而G是标准差为σ\sigmaσ的二维高斯函...

之前看绿皮书觉得里面讲的虽然很好，但是就是不是很懂，现在再看，里面确实讲的很好，不愧是经典。一般，一张图片分为前景和后景，我们感兴趣的一般是前景，所以我们一般使用阈值将前景和后景分割开来，使我们感兴趣的图像的像素值为1，不感兴趣的我0，有时一张图我们会有几个不同的感兴趣区域（不在同一个灰度区域），这时我们可以用多个阈值进行分割，如下图：由上图，我们可以推断影响阈值分割好坏的因素有如下几个：...

1.为全局阈值T选择一个初始估计值。2.利用T分割图像，将产生两组像素：G1由灰度值大于T的所有像素组成，G2由所有小于等于T的像素组成。3.对G1和G2的像素分别计算平均灰度值（均值）m1和m2.4.计算出一个新的阈值：T=12(m1+m2)T=\frac{1}{2}(m_1+m_2)T=21​(m1​+m2​)。5.重复2到步骤4，直到连续迭代中的T值间的差小于一个预定义的参数ΔT\D...

虽然很早就看过这本绿皮书，但是当时是刚入门的小菜鸟，根本就不知道这就是大名鼎鼎的大津法，当时只是觉得Otsu好奇怪的英文名字。现在就来重新看看这个所谓的大津法:nin_ini​表示灰度级为i的像素数。图像中的像素总数MN为MN=n0+n1+...+nL−1MN=n_0+n_1+...+n_{L-1}MN=n0​+n1​+...+nL−1​归一化的直方图具有分量pi=ni/MNp_i=n_i/...

之前在介绍阈值分割时，介绍了几个影响因素，现在来分析其改善方法。1.用图像平滑改善全局阈值处理平滑主要处理噪声的影响。2.利用边缘改进全局阈值处理如果直方图的波峰是高窄对称的，且被深的波谷分开，则选取一个“较好”阈值的机会是相当大的。而当背景和前景的尺寸相差较大时，那个一个波峰会很大，而另一个波峰会很小，这样只要有一点噪声，他们之间小的波谷就会被噪声给淹没，这样很大的可能阈值分割会失败，...

转载于：https://blog.youkuaiyun.com/sinat_26681907/article/details/52277598侵删       本人最近在研究Radon变换，在查阅了各种资料之后在此写下个人的理解，希望与各位牛牛进行交流共同进步，也使得理解更加深刻些。      &nbsp...

hg(n1,n2)=e−(n12+n22)/(2σ2)(1)h_g(n_1, n_2)=e^{-(n_1^2+n_2^2)/(2\sigma^2)}\qquad (1)hg​(n1​,n2​)=e−(n12​+n22​)/(2σ2)(1)上式为离散高斯函数公式，高斯滤波核模板公式如下：h(n1,n2)=hg(n1,n2)∑n1∑n2hg(n1,n2)(2)h(n_1,n_2)=\frac{h_...