LilyZJ的博客

图像形变算法图像局部缩放算法（大眼或小眼）参考：图像美容之眼睛放大算法。包含三个参数：中心点O(X,Y)O(X, Y)O(X,Y)，画笔大小（半径）rrr，力度sss。中心点以及画笔大小决定算法影响范围，力度影响缩放程度。算法主要思想：处理以中心点为原点，画笔大小为半径的范围内像素，将范围内像素替换成该像素与中心像素连线上的某一点像素值。设中心点O(X,Y)O(X, Y)O(X,Y)，画笔大小（半径）rrr，力度sss（1）对于范围内任意像素点(x1,y1)(x1, y1)(x1,y1),

图像处理知识点总结二值化方法二值化方法最大类间方差法(Otsu)直方图双峰法均值法最大熵阈值法参考：常见的二值化方法图像二值化方法中的阈值法...

主要知识点图像质量评价人脸素描合成图像质量评价人脸素描合成

计算机视觉主要方向图像分类语义分割目标检测图像分类语义分割目标检测

形态学图像处理基本术语结构元素二值图像中基本形态学运算腐蚀膨胀参考文献基本术语结构元素设有两幅图像A,S。若A是被处理对象，S用来处理A，则称S为结构元素，通常是一些较小的图像，类似于图像滤波中的模板。二值图像中基本形态学运算腐蚀给定结构元素S，使用S对图像A进行腐蚀运算：A⊖S={x,y∣(S)xy⊆A}A \ominus S = \left\{ x,y| (S)_{xy} \su...

图像分割传统的图像分割方法1、基于阈值的图像分割单阈值分割局部阈值分割阈值的选取2、基于区域的图像分割区域生长区域分裂合并四叉树分解法3、基于边缘检测的图像分割结合特定工具的图像分割算法1、基于小波分析和小波变换的图像分割方法2、基于马尔科夫随机场模型的图像分割方法3、基于遗传算法的图像分割方法基于人工智能的图像分割方法1、基于人工神经网络的图像分割2、基于聚类的分割3、主动轮廓模型图像分割是...

高斯金字塔和拉普拉斯金字塔高斯金字塔算法流程：（1）对图像进行高斯卷积（高斯滤波）（2）删除偶数行和偶数列（下采样）拉普拉斯金字塔算法流程：（用于低分辨率恢复高分辨率图像时计算残差）对于高斯金字塔中的低分辨率图像，（1）先将图像每个方向放大至原来的两倍（上采样），新增的行和列以0填充（2）对图像进行高斯卷积（高斯滤波）（3）用下一层的高分辨率图像减去高斯卷积后的图像参考文献：...

图像插值1、计算出目标像素在原图像中的位置2、找到临近的四个像素点3、形式改写4、图像插值（1）最近邻插值（2）双线性插值（3）双三次插值1、计算出目标像素在原图像中的位置在图像处理时，首先需要计算出目标像素(i,j)(i,j)(i,j)在原图像中的位置(x,y)(x,y)(x,y) （注意：原图像和目标图像的原点(0,0)(0,0)(0,0)均选择左上角。）：x=srcWidthdstWi...

OpenCV优化：图像的遍历4种方式1、at< typename>(i,j)2、Mat_ 类3、高效一点：指针1、at< typename>(i,j)// Mat 类的at方法是一个模板函数，可以提取任何类型的图像上的点// Mat imageimage.at<uchar>(i,j)：取出灰度图像i行j列的点image.at<Vec3b>(...

特征提取算法1、SIFT（1）构建高斯差分金字塔（2）特征点的搜索尺度空间极值点搜索子像元插值删除边缘效应2、Harris角点1、SIFT（1）构建高斯差分金字塔高斯滤波是实现尺度变换的唯一变换核。I(x,y)I(x,y)I(x,y)表示原图像。G(x,y,σ)G(x,y,\sigma)G(x,y,σ)表示高斯滤波器，其中G(x,y,σ)=12πσ2e−x2+y22σ2G(x,y,\s...

一维高斯函数：G(x)=G(x)=G(x)=参考资料：[1] openCV之高斯滤波（及代码实现）

频域滤波参考“数字图像处理-频域滤波-高通/低通滤波”。频率滤波先将图像转换到频率域（傅里叶变换），然后将傅里叶频谱与滤波器相乘得到新的频谱（频率域相乘等价于空间域的卷积），再通过逆变换获得滤波后的图像。可以发现，滤波器大小与频谱大小相同，执行逐元素乘积。滤波模板是一些0/1值，例如理想的低通滤波器：高通滤波模板=1-低通滤波模板...

彩色增强假彩色增强伪彩色增强人的生理视觉系统特性：对微小的灰度变化不敏感，但对彩色的微小差别极为敏感。利用这个特性，我们可以将人眼不敏感的灰度信号映射为人眼敏感的彩色信号，以增强人对图像中细微变化的分辨力。（达到图像增强的目的）常见的彩色增强技术主要有假彩色增强以及伪彩色增强两大类。假彩色增强定义：将一幅彩色图像映射为另一幅彩色图像，从而达到增强彩色对比的目的。注：自然物体的彩色叫做真...

直方图均衡化通过变换函数（累积分布函数）获得一个具有均匀分布直方图的输出图像。而直方图匹配(histogram matching or histogram specification)则将输入图像转换为具有指定直方图的输出图像。为了找到输入到输出的变换函数，我们可以利用直方图均衡化函数。假设输入图像的概率密度函数为pr(r)p_r(r)pr​(r)，输出图像的概率密度函数为pz(z)p_z(z)...

Sharpening Spatial Filters一阶微分之前说到图像平滑/图像模糊使通过减少图像亮度剧烈变化的部分，可以采用像素值平均 (或加权平均)，类似于积分。而锐化则强调亮度的转变，可以通过空间域像素的微分实现。微分算子的响应强度与该点出亮度不连续的程度成正比。因此，图像微分会增强边缘与其他不连续的成分 (如噪声)，而不强调亮度缓慢变化的区域。平滑通常被称作低通滤波，而锐化又被称为高通...

https://www.cnblogs.com/hyb221512/p/9370367.html

算法流程：1、高斯滤波，平滑去噪。2、计算每个像素的梯度和方向。直角坐标系中梯度：G=(Gx2+Gy2)G=\sqrt{(G_x^2+G_y^2)}G=(Gx2​+Gy2​)​梯度方向：θ=arctan(GyGx)\theta=arctan(\frac{G_y}{G_x})θ=arctan(Gx​Gy​​)3、非极大值抑制，“瘦边”，将除局部最大值之外的所以梯度值抑制为0。若当前梯...

数字图像处理3.4节fundamentals of spatial filters 学习笔记correlation (相关)(w☆f)(x,y)=∑s=−aa∑t=−bbw(s,t)f(x+s,y+t)(w ☆ f)(x,y)= \sum_{s=-a}^a \sum_{t=-b}^b w(s,t)f(x+s,y+t)(w☆f)(x,y)=s=−a∑a​t=−b∑b​w(s,t)f(x+s,y+...

smooting spatial filters (平滑空间滤波器)Smooting spatial filters 也叫做 averaging spatial filters，通常用于减少图像亮度剧烈变化的部分（例如去噪，由于随机噪声常常是使图像发生亮度剧烈变化的成分）。平滑被用来去除图像中（小于滤波核部分）不相关的细节。linear spatial filteringAs we dis...

opencv Mat类型的使用Mat 数据元素类型Mat 数据元素类型CV_64FC1 64F代表每一个像素点元素占64位浮点数，通道数为1CV_64FC3 64F代表每一个像素点元素占64点×3个浮点数，通道数为4CV_8U - 8-bit unsigned integers ( 0…255 )CV_8S - 8-bit signed integers ( -128…127 ...

占坑

文章目录1、给定0-1矩阵，求连通域- 基于行程的标记- 基于轮廓的标记1、给定0-1矩阵，求连通域- 基于行程的标记- 基于轮廓的标记

图像预处理技术与图像增强1、灰度化/颜色空间变换灰度化颜色空间变换2、几何变换3、图像增强空间域法：点运算算法邻域去噪算法频率域法一般的预处理流程为：灰度化–>几何变换–>图像增强 (图像处理之预处理方法)1、灰度化/颜色空间变换灰度化分量法；最大值法；平均值法；加权平均法颜色空间变换设备相关的颜色空间：RGB和CMYK。(预处理的意义)设备无关的颜色空间：CIE XY...

下面是关于直方图均衡化的一些理解和公式推导；关于随机变量函数的概率密度与随机变量概率密度的关系公式部分暂时未找到具体的资料，先写下自己的理解，以后再做补充。直方图直方图就是对图像的亮度进行统计分布，可以反映图像灰度值的分布情况，分为unnormalized histogram 和 normalized histogram。 normalized histogram 其实就是归一化的直方图，用于...