h_wlyfw的专栏

本文转自：http://blog.sina.com.cn/s/blog_3d8fb3a90100rg65.html一、图像腐蚀 膨胀 细化的基本原理1．图像细化的基本原理⑴ 图像形态学处理的概念数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，还包括用于预处理或后处理的形态学过滤、细化和

1、一维高斯函数：a表示得到曲线的高度，b是指曲线在x轴的中心，c指width(与半峰全宽有关),图形如下：、2、根据一维高斯函数，可以推导得到二维高斯函数：在图形上，正态分布是一种钟形曲线，越接近中心，取值越大，越远离中心，取值越小。计算平均值的时候，我们只需要将"中心点"作为原点，其他点按照其在正态曲线上的位置，分配权重，

Gray-level co-occurrence matrix from an image图像的灰度共生矩阵灰度共生矩阵是像素距离和角度的矩阵函数，它通过计算图像中一定距离和一定方向的两点灰度之间的相关性，来反映图像在方向、间隔、变化幅度及快慢上的综合信息。使用方法：glcm = graycomatrix(I)glcms = graycomatrix(I,param

主要是总结资源一、PCA的理解 在实际研究中，我们经常会遇到属性复杂多样的事物。为准确刻画这样的事物，我们必须设置一组指标或变量。这些变量或指标所包含的信息通常存在着一定程度的重复性。1、在服装定性研究中，有人对成年男人的体型，按16项指标进行了测量，经过主成分分析后，最终确定了身长、胸围、肩宽3个主成分作为定性依据，从而使得定性工作简单易行。2、 比如拿到一个汽车的样本，里面既有

图像处理－线性滤波－1 基础（相关算子、卷积算子、边缘效应）这里讨论利用输入图像中像素的小邻域来产生输出图像的方法，在信号处理中这种方法称为滤波（filtering）。其中，最常用的是线性滤波：输出像素是输入邻域像素的加权和。 1.相关算子（Correlation Operator)       定义：,  即 ，其中ｈ称为相关核(Kernel).　　　

在图像处理中，在进行如边缘检测这样的进一步处理之前，通常需要首先进行一定程度的降噪的预处理。中值滤波是一种非线性数字滤波器技术，经常用于去除图像或者其它信号中的噪声。这个设计思想就是检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。然后，丢弃最早的值，取得新的采样，重复上面的计算过程。中值滤波是图像处

1、HOG特征：       方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dal

转自：http://blog.youkuaiyun.com/abcjennifer/article/details/7639681SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行

本文转自：http://blog.youkuaiyun.com/augusdi/article/details/9028331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三

本文转自：http://blog.youkuaiyun.com/timidsmile/article/details/6904381目前比较经典的图像去噪算法主要有以下三种：均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。[cpp] vi

Radon变换本文转自： http://blog.sina.com.cn/s/blog_73ee929c01010f36.html 两维情况下radon变换大致可以这样理解：一个平面内沿不同的直线(直线与原点的距离为d,方向角为alfa)对f(x,y)做线积分，得到的像F(d,alfa)就是函数f的Radon变换。也就是说，平面(d,alfa)的每个点的像函数值对应了原始函数的

转自：http://blog.youkuaiyun.com/mpzsw/article/details/5961354最近版上有不少人在讨论图像处理的就业方向，似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来，个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号，从这个意义上来说，图像处理是整个信号处理里面就业形势最好的，因为你不仅要掌握一维信号处理的基

本文主要内容包括： (1) 介绍神经网络基本原理，(2) AForge.NET实现前向神经网络的方法，(3) Matlab实现前向神经网络的方法 。第0节、引例        本文以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在http://en.wikipedia.org/wiki/Iris_flower_data_set  找到。这里简要介绍一下

直方图均衡化算法分为三个步骤，第一步是统计直方图每个灰度级出现的次数，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：    for(i=0;i       for(j=0;j          n[s[i][j]]++;       }    }    for(i=0;i        p[i]=n[i]/(width*height);