（转载）图像处理与计算机视觉：基础，经典以及最近发展

最新推荐文章于 2025-12-22 19:48:15 发布
转载 最新推荐文章于 2025-12-22 19:48:15 发布 · 1.2k 阅读 · 1
文章标签：

#图像处理 #模式识别 #计算机视觉

本文精选了图像处理与计算机视觉领域的基础知识、经典算法及最新进展。覆盖从基础概念到高级应用的多个方面，为读者提供了全面的学习资源。
计算机视觉图像处理基础系列：滤波、边缘检测与形态学操作
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
04-05 17万+
计算机视觉图像处理基础系列：滤波、边缘检测与形态学操作，计算机视觉是人工智能领域的核心方向之一，旨在让计算机具备理解和解释视觉信息的能力。而图像处理则是计算机视觉的基石，为后续的特征提取、目标识别、图像分割等高级任务提供数据基础。滤波、边缘检测与形态学操作作为图像处理的基础环节，各自发挥着独特且关键的作用。滤波用于改善图像质量，去除噪声或增强特定特征；边缘检测聚焦于提取图像中物体的轮廓信息；形态学操作则基于图像形状对其进行优化与处理。深入理解这些基础技术，对于掌握计算机视觉的核心知识体系至关重要。
计算机视觉图像特征提取入门：Harris角点与SIFT算法
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
04-11 14万+
计算机视觉图像特征提取入门：Harris角点与SIFT算法，在计算机视觉领域，图像特征提取是一项至关重要的基础任务。它旨在从图像中提取具有代表性和独特性的信息，这些信息能够帮助计算机理解图像内容，为后续的目标识别、图像匹配、图像分割等高级任务提供有力支持。Harris 角点和 SIFT（尺度不变特征变换）算法作为经典的图像特征提取方法，在学术界和工业界都得到了广泛应用。Harris 角点能够有效地检测出图像中的角点特征，这些角点往往是图像中物体形状的关键转折点，蕴含着丰富的结构信息。
图像处理与计算机视觉：基础，经典以及最近发展（总结）
qq_38759526的博客
03-26 549
图像处理与计算机视觉：基础，经典以及最近发展（总结）现在已经把所有的文章打包，分成了16个子文件，欢迎整体下载。图像处理和计算机视觉中的经典论文下载地址：http://pan.baidu.com/s/1boVNlKj图像处理与计算机视觉 基础经典与最近发展下载地址：http://pan.baidu.com/s/1slBsfCx 文章介绍：图像处理与计算机视觉：基础，经典以及最近发展（1）序图像处理...
图像处理与计算机视觉：基础，经典以及最近发展
zhazhiqiang2010的专栏
02-20 2187
原文：http://blog.youkuaiyun.com/jhh_move_on/article/details/17530543 这是一篇将多篇文章合并的长文，当然也是别人整理的，我实在喜欢，就搬运过来了。原文链接在http://blog.youkuaiyun.com/dcraw/article/details/7617891 感谢原作者，也感谢整理的人。以下是整理人的声明： ***********
图像处理与计算机视觉 基础、经典以及最近发展
Zero_OrAnd_One
07-29 1766
图像处理与计算机视觉 基础、经典以及最近发展在这里，我特别声明：本文章的源作者是 杨晓冬 （个人邮箱：xdyang.ustc@gmail.com）。原文的链接是http://www.iask.sina.com.cn/u/2252291285/ish。 版权归 杨晓冬 朋友所有。 我非常感谢原作者辛勤地编写本文章，并愿意共享出来。我也希望转载本文的各位朋友，要注明原作者和出处，以尊重原作者
图像处理与计算机视觉 基础，经典以及最近发展
林夕
10-24 2560
在这里，我特别声明：本文章的源作者是 杨晓冬 （个人邮箱：xdyang.ustc@gmail.com）。原文的链接是 http://www.iask.sina.com.cn/u/2252291285/ish。版权归 杨晓冬 朋友所有。 我非常感谢原作者辛勤地编写本文章，并愿意共享出来。我也希望转载本文的各位朋友，要注明原作者和出处，以尊重原作者！
水下视觉挑战：模糊图像增强与目标识别
热门推荐
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
07-23 17万+
水下视觉挑战：模糊图像增强与目标识别​ ，人工智能，计算机视觉，大模型，AI，水下视觉技术在海洋科学研究、资源勘探、海洋工程、军事侦察、生态保护等领域具有广泛应用。然而，水下环境的复杂性给视觉系统带来了诸多挑战。水体对光的吸收和散射作用导致图像对比度降低、颜色失真，悬浮颗粒进一步加剧了图像模糊，这些因素严重影响了目标识别的准确性。本文将深入探讨水下视觉中的关键问题 —— 模糊图像增强与目标识别，详细介绍相关理论、方法及实践案例。
图像处理与计算机视觉基础，经典以及最近发展
松间明月
03-20 8533
在这里，我特别声明：本文章的源作者是 杨晓冬 （个人邮箱：xdyang.ustc@gmail.com）。原文的链接是 http://www.iask.sina.com.cn/u/2252291285/ish。版权归 杨晓冬 朋友所有。 我非常感谢原作者辛勤地编写本文章，并愿意共享出来。我也希望转载本文的各位朋友，要注明原作者和出处，以尊重原作者！
[转载]图像处理与计算机视觉：基础，经典以及最近发展
huguosheng的专栏
11-15 1504
图像处理与计算机视觉：基础，经典以及最近发展（1）序1. 为什么要写这篇文章       从2002年到现在，接触图像快十年了。虽然没有做出什么很出色的工作，不过在这个领域摸爬滚打了十年之后，发现自己对图像处理和计算机视觉的感情越来越深厚。下班之后看看相关的书籍和文献是一件很惬意的事情。平常的一大业余爱好就是收集一些相关的文章，尤其是经典的文章，到现在我的电脑里面已经有了几十G的文章
零售业中的计算机视觉：无人结算与货架分析
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
06-25 5万+
零售业中的计算机视觉：无人结算与货架分析 ，人工智能，计算机视觉，大模型，AI，计算机视觉作为人工智能的核心分支，通过图像和视频分析理解视觉场景，为零售行业提供了智能化解决方案。在无人结算场景中，计算机视觉技术可自动识别商品、计价并完成支付，彻底颠覆传统收银模式；在货架分析方面，能够实时监控商品陈列状态、库存水平，辅助商家优化货架布局和补货策略。
计算机视觉：扩散模型（Diffusion Models）在图像生成中的突破
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
06-02 5万+
计算机视觉：扩散模型（Diffusion Models）在图像生成中的突破 ，人工智能，计算机视觉，大模型，AI，在计算机视觉领域，图像生成技术一直是研究的热点。从早期的基于规则的图像合成方法，到后来的生成对抗网络（GAN）、变分自编码器（VAE）等深度学习模型，图像生成技术不断发展。近年来，扩散模型（Diffusion Models）以其独特的生成机制和出色的性能，在图像生成领域实现了重大突破，为图像生成带来了全新的思路和方法。
【图像处理基石】图像梯度：核心算法原理与经典应用场景全解析
智能守恒_HengAI
12-22 818
图像梯度是图像处理的核心概念，其应用贯穿于从基础到高级的各个视觉任务。本文从数学本质出发，解析了5种经典梯度计算算法的原理与对比，结合5个经典应用场景展开分析，并提供了可直接运行的Python代码实现。
【计算机视觉（17）】语义理解-训练神经网络2_优化器_正则化_超参数
hiliang521的博客
12-18 887
【计算机视觉（17）】语义理解-训练神经网络2_优化器_正则化_超参数
【深度学习】目标检测
PANSS__的博客
12-22 686
将。
目标检测与跟踪 （6）- ROS & YOLOv8机器人视觉检测与应用开发
Techblog of HaoWANG
12-22 33
本文介绍了一个将YOLOv8目标检测算法集成到ROS框架中的功能包。该项目基于PyTorch-YOLOv8实现，为ROS机器人提供标准化的目标检测接口。主要技术包括：1) YOLOv8的端到端检测架构，采用改进的CSPDarknet骨干网络和PANet特征融合；2) ROS节点通信机制，通过发布-订阅模式实现图像传输和检测结果发布；3) 自定义消息类型定义检测框信息。系统流程为：接收ROS图像消息→格式转换→YOLOv8推理→结果后处理→发布检测结果和可视化图像。该方案支持灵活配置模型权重、置信度阈值等参数
【计算机视觉】YOLO11-DGCST：轴承表面划痕检测新方案
Piar1231sdafa的博客
12-19 643
本文介绍了基于YOLO11架构优化的YOLO11-DGCST模型，专为轴承表面划痕检测设计。该模型通过引入DGCST模块增强小目标检测能力，改进C3k2模块提升特征提取效率，并采用C2PSA注意力机制优化空间定位。检测头部分采用轻量级DWConv结构，在保持精度的同时显著提升推理速度。相比YOLOv8，YOLO11在模型结构和参数量上进行了优化，更适合工业检测场景。实验表明，该方案在轴承划痕检测任务中实现了精度与效率的平衡，特别适合实时工业检测应用。
红枣目标检测Cascade R-CNN改进版_FPN结构优化详解
Piar1231sdafa的博客
12-17 1019
本文针对红枣目标检测中的挑战，提出了一种改进的Cascade R-CNN算法，重点优化了特征金字塔网络(FPN)结构。通过引入自适应多尺度特征融合模块和通道注意力机制，有效提升了小目标检测性能。实验表明，改进后的算法在自建红枣数据集上mAP达到0.852，较原始模型提升15.4%，召回率提升至84.3%。算法在嵌入式设备上实现15FPS的实时检测，为农业智能化提供了有效技术支持。未来可进一步探索轻量化模型和多模态信息融合等方向。
【计算机视觉】05_不变性
最新发布
Dasi_C_upup的博客
12-22 611
本文探讨了特征检测在几何变换（如尺度变化）和光学变换下的稳定性问题，重点介绍了具有尺度不变性的Blob检测方法。首先区分了不变性与等变性概念：特征需对光学变换（光照）保持属性不变，对几何变换（移动、旋转）保持位置同步变化。分析了Harris检测器在平移和旋转下的等变性，以及尺度变化下的局限性。为解决尺度问题，提出了基于高斯拉普拉斯(LoG)的Blob检测方法，LoG算子通过“墨西哥草帽”形状匹配亮斑点特征。进一步引入尺度归一化（乘以σ²）来消除尺度对响应幅值的影响，确保不同尺度特征的公平比较。最后指出特征尺
自动驾驶环境中的车辆目标检测-Mask-RCNN模型应用与参数配置
wfeqhfxz2588782的博客
12-22 639
自动驾驶车辆检测：Mask-RCNN模型应用与评估 本文介绍了Mask-RCNN在自动驾驶车辆检测中的应用，重点分析了模型评估指标和架构设计。评估指标部分详细阐述了精确率、召回率、F1分数等9个关键指标，强调了它们在自动驾驶场景中的重要性。模型架构章节解析了Mask-RCNN的骨干网络、区域提议网络和检测头三大组件的工作原理。文章还简要提及了数据集准备流程，包括KITTI、BDD100K等常用数据集的选择和标注要求。这些内容为开发高性能自动驾驶感知系统提供了理论基础和实践指导。
图片处理技术分享：如何高效处理和转载图片
图片处理是一个涉及计算机视觉、图像分析和编辑、计算机图形学等多个领域的技术领域。它包括但不限于图像获取、存储、处理、分析和输出等多个环节，广泛应用于图像增强、复原、压缩、彩色图像处理、图像分割、特征...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值