historycomputer的博客

经典去噪方法：空间域均值滤波中值滤波自适应维纳滤波（根据图像的局部方差调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。维纳滤波的效果比均值滤波效果好，对保留图像的边缘和其他高频部分很有用，不过计算量大，对高斯噪声的滤波效果好）频率域小波变换（频率域方法，滤掉高频和次高频部分）

经典图像增强算法空间域灰度变换（通过一个映射函数得到增强后的图像，它与图像的像素位置以及被处理像素的临域灰度无关，根据映射函数可以分为以下几类：）线性变换分段线性变换 指数变换对数变换直方图修正直方图均衡化直方图规定化噪声清除图像锐化 离散空间差分法 Roberts梯度算子Laplacian算子Sobel算子LOG算子频率域频率域滤波增强 低通滤波高通滤波

原文：http://blog.youkuaiyun.com/jwh_bupt/article/details/40154933有个博友问SIFT和Dense-SIFT在应用上的区别。这个问题可以放大到Sparse feature和Dense feature的使用场景上（不然现在说Dense-SIFT估计没人鸟了）。之前自己也考虑过这个问题，今天不妨写出来。这些都是对基本问题的一些理解，后面的博客打算写点高级点

二次型 能量方程求解背景本人从事于视频拼接，看相关拼接论文，经常会遇到能量优化的问题，如E=Ep+αEg+βEsE = E_p + \alpha E_g + \beta E_s 。目的是通过使得E最小来得到期望的参数。这些参数包含在等式右边的各项中。二次能量方程解本文基于cvpr2014的一篇文章（parallax-tolerant image stitching ）来具体阐述如何解二次型能量方程