洛的博客

之前用到的一些预处理整理，主要是图像增强和滤波算法。 代码地址：https://github.com/WangLCG/Image_Process/tree/master/Image_enhance1、直方图均衡化调整图像的灰度分布使其能在0-255范围内分布更均衡，可用于提高图像的对比度，适用于对比度较低的图片，能增加图片的细节。 处理对比： 2、伽马矫正主要用于将图...

1、KLT光流《1》、光流指运动物体在像素平面上的瞬时速度，它利用图像序列中像素在时间域上的变化以及相邻帧之间的关系来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。《2》、KLT光流假设1、相邻帧之间的亮度恒定；2、相邻视频帧的取帧时间连续，或者相邻帧之间物体的运动比较“微小”；3、保持空间一致性，既是领域像素有相似运动，保持相邻；假设1保证目标...

0、图像梯度梯度的方向是函数变化最快的方向， 当图像中存在边缘时,一定有较大的梯度值。相反，当图像中有比较平滑的部分时，灰度值变化较小，相应的梯度也较小。 图像处理中把梯度的模简称为梯度。 通常我们用小区域模板进行卷积来计算梯度，常用的梯度算子有Sobel算子，Robinson算子，Laplace算子等。1、离散图像的梯度图像是一个离散空间，无法真正的求导，只有通过多项式拟合图像中某一点的...

YUV图解 （YUV444, YUV422, YUV420, YV12, NV12, NV21）

1、Harris角点Harris角点检测是特征点检测的基础，该检测子对平移和旋转鲁棒。Harris角点具有两个非常重要的性质：《1》、具有很大的梯度幅值；《2》、在很小的近邻内，梯度方向变化尖锐；故可以通过窗口在小区域内滑动来确定角点位置。直观的角点理解：角点既是图像中物体轮廓的连接点，见下图所示。当拍摄视角变化时这些特征点能很好的保持稳定特性。2、检测原理及推导（因为网上...

1、积分图（integral image）积分图像是一种在图像中快速计算矩形区域和的方法，这种算法的主要优点是一旦积分图像首先被计算出来，我们就可以在常量时间内计算图像中任意大小矩形区域的和。这样在图像模糊、边缘提取、对象检测的时候极大降低计算量、提高计算速度。 积分图中任意一点(x,y)的值等于灰度图的左上角与当前点所围成的矩形区域内所有像素点灰度值之和。（下左图蓝色虚线框部分）2、计算...

LBP（Local Binary Pattern, 局部二值特征）是一种用来描述图像局部纹理特征的算子，它具有旋转不变性和灰度不变性，同时该特征对光照不敏感。该特征对姿态和表情的鲁棒性不强。 LBP特征在人脸识别和目标检测中常用。1、原始LBP特征描述及计算方法原始的LBP算子定义在像素3x3的领域内，以领域中心像素为阈值，相邻的8个像素的灰度值与领域中心的像素值进行比较，若周围像素大...

1、背景建模  视频图像中运动目标的检测的一种基本思想是对图像的背景进行建模，既是将所有像素分为背景和运动前景两类。背景建模方法可以分为两类 – 颜色背景建模和纹理背景建模。此文只涉及颜色背景建模。纹理背景建模可参考 颜色背景建模的基本原理：对图像中每个像素的颜色值（灰度或彩色）进行建模。若当前图像坐标(x,y)上的像素颜色值与背景模型中(x,y)处的像素颜色值有较大差异，当前像素被认为是前...

1、LoG算子Laplace算子是一种优秀的边缘检测算子，通过对图像求二阶导数，然后通过二阶导数的0交叉点来实现边缘检测。因为Laplace算子对噪声敏感，故可在进行Laplace计算之前用高斯滤波来进行降噪处理，这样就形成了拉普拉斯高斯算子LoG(Laplace of Gaussian)2、DoG算子 DoG算子是LoG的一种近似3、注意 实际编程中不能直接使用上诉算子得到...

Haar特征+Adaboost的人脸识别C实现，部分简单的功能借助Opencv实现，数据是MIT人脸数据。程序的实现主要是参考《Rapid Object Detection using a Boosted cascade of simple features》及《基于Adaboost算法的人脸检测》 – 北京大学，赵楠。因为觉得别人的博客写的比论文的好理解，所以以下内容多是别人博客内容整理后...