Lrrent的博客

“` % 给图像加噪声 % type可有五种,分别为’gaussian’(高斯白噪声),’localvar’ % (与图象灰度值有关的零均值高斯白噪声),’poisson’(泊松噪声), % ‘salt & pepper’(椒盐噪声)和’speckle’(斑点噪声); clear all; close all; F=imread(‘1.jpg’); subplot(121):imsh

这里只是用了一层图像 原理框图： 1. 构建图像尺度空间(图像的高斯金字塔) 所谓高斯金字塔，是指假设一个金字塔型的结构，金字塔的第一层为原图像，然后将图像做一次高斯平滑（高斯卷积或者高斯模糊），而在高斯平滑里有一个参数σ，然后将σ乘以一个系数k之后得到的值作为新的平滑因子来平滑第二层作为第三层，重复多次，我们就可以得到一组高斯金字塔，而在本次实验中，我们只做到了第三层，即只对原图做了两

边缘检测是为了将其周围像素灰度有阶跃变化的像素检测出来，这些像素组成的集合就是该图像的边缘。比较常用的边缘检测方法就是考察每个像素在某个领域内灰度的变化，然后利用边缘临近一阶或二阶方向导数变化规律检测边缘，即边缘检测局部算法。而常用的边缘检测算子有sobel，Roberts，Prewitt,Laplace等等，这里先介绍sobel算子的检测过程。主要的方法就是将图像的每一个点都用sobel算子做卷

自己理解不深，只能称之为介绍或者入门. Surf算法是对Sift算法的一种改进，主要是在算法的执行效率上，比Sift算法来讲运行更快，至于SIFT算法是什么还有具体实现，之后再研究。 1. 特征点的提取 在解析特征点的提取方法前，先看一下积分图像的概念 积分图像的概念是由Viola和Jones提出的。和SIFT算法相比，SURF算法利用了积分图像的有限來使得计算更加简

对图像（灰度图）进行直方图均衡化主要有一下几个步骤：1、计算各个灰度值（0-255）出现的次数2、计算各个灰度值的累积分布率2、根据累积分布率计算出原来各灰度值的均衡化之后的新的值%直方图均衡化 clear;I = imread('1.bmp'); [height,width] = size(I); figure subplot(221) imshow(I)%显示原始图像

clear;close all;src = im2double(imread('image3.bmp'));src = rgb2gray(src);figure;imshow(src);title('原始图像');[w h] = size(src);srcf = fft2(src);srcf = fftshift(srcf);figure;imshow(srcf);% 低通滤

clear all; close all; F = imread(‘face9.jpg’); F = rgb2gray(F); % 将图像转化为灰度图 level = graythresh(F); BW = im2bw(F,level); % 将图像二值化 [n1 n2] = size(BW); H = floor(n1/10); % 将图像

clear all;close all;videoRead = VideoReader('newfile.avi'); %读取视频nFrameRead = videoRead.NumberOfFrames; %获得视频的帧数% vidHeightRead = videoRead.Height; %获得视频高度% vidWidthRead = videoRead.width;

% 对图像进行直方图均衡化操作增加对比度clear all;close all;F=imread('1.jpg');Y = F(:,:,1); %获得图像的三个通道的灰度值Cb = F(:,:,2);Cr = F(:,:,3);Y = histeq(Y);Cb = histeq(Cb);Cr = histeq(Cr);F = cat(3,Y,Cb,Cr);

注：此次实现中用到的函数需要在matlab2013后的版本才能正常运行，故顺手附上matlab2014b下载地址: http://download.youkuaiyun.com/detail/lrrent/9499859close all;clear all;clc;boxImage = imread('2_2.jpg');sceneImage = imread('2.jpeg');sceneImag