luoluo3664的博客

学习SIFT算法中发现了这篇文章，详细地讲解了该算法，建议大家看看：https://luoluo3663.cn/archives/18.html以下是该文章的目录：一、算法简介二、特征点检测2.1 尺度空间理论2.2 DoG金字塔的生成2.3 空间极值点检测2.4 精确确定极值点位置2.5 消除边缘响应三、特征描述子3.1、特征描述子简介3.2、特征...

import cv2import numpy as npimport matplotlib.pyplot as pltimport mathplt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号def sal...

傅里叶变换定理包括：平移定理、旋转定理、尺度定理和剪切定理平移定理：旋转定理：对进行及坐标变换为，进行极坐标转换为尺度定理：剪切定理：代码：import cv2import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHe...

对于非数学专业的人来说，理解图像的傅里叶变化真的是一件很困难的事情，刚开始满头雾水的我疯狂的在网上找文章，功夫不负有心人，我找到了这个：https://www.cnblogs.com/h2zZhou/p/8405717.html真的是非数学专业的救命草啊！！！！理解了傅里叶变换的原理之后就需要自己动手实现了图像经过基础的傅里叶变换得到的矩阵元素是复数类型，从复数矩阵中得到每个元素的...

import cv2import matplotlib.pyplot as pltimport mathdef max_filter(image, ksize=3): ''' 最大值滤波函数 :param image:输入图像 :param ksize:模板尺寸 :return:滤波结果图像 ''' border_widt...

为什么要将非线性滤波和线性滤波结合起来使用？ 因为单独使用非线性滤波的计算量较大（需要对其模板下的所有像素的灰度值排序），结合计算量较小的线性滤波，可达到（接近）期望要求。结合的步骤（以均值滤波和中值滤波结合为例）对较大区域进行线性滤波 计算线性滤波输出的中值作为混合滤波的结果以1-D信号混合为例是一个 1-D 信号，用子结构、、、......、组成的线性中值混合滤波可定...

基础知识1、图像锐化：叠加图像微分结果（拉普拉斯算子）、减除图像积分结果2、设原始图像为f(x,y)，平滑图像为g(x,y)，放大系数A； 则非锐化掩模： 【即平滑时丢失的锐化分量】 3、对原始图像乘以A再减去平滑图像可实现高频提升滤波： 当A=1时，为非锐化掩模； 当A&gt...

一、基础知识积分运算的模板卷积可以平滑图像，微分运算的模板卷积可以锐化图像拉普拉斯算子是一种各向同性的二阶微分算子，根据定义有：说明：各向同性指图像的性质不会因为方向不同而变化。将两个分别沿X和Y方向方向的二阶偏导数分别借助差分计算：由上式则可知4-邻域的拉普拉斯算子模板的各个系数，同理可知8-邻域的拉普拉斯算子模板的各个系数，如下图：说明： 两种...

高斯平均是加权平均的一种特例，它根据高斯分布来确定各个模板的系数。高斯平均模板的分解，因为高斯平均常使用较大的模板，所以会需要很大的计算量，所以，可将一个2-D的高斯平均模板分解为两个顺序使用的1-D高斯平均模板来达到减少计算量的目的。例如： 替换之后的计算量从O(n^2)变为O(2n)，模板越大，效果越明显。代码：import cv2import numpy a...

邻域平均平滑滤波：一、´定义：用一个像素的邻域平均值作为滤波结果，滤波模板所有系数值都取11二、邻域平均的一般表达式为： 其中N(x,y)对应f(x,y)中(x,y)的n×n邻域，与模板W所对应的范围对应。三、说明： ...