lyl771857509的博客

目录介绍方案一：介绍 随着深度学习的发展，神经网络已经深入各行各业，这里主要介绍下神经网络对图像的重建问题，这里图像重建可以是图像超分辨，图像增强，图像去噪等等。由于现在的显卡显存的限制，对于分辨率比较大的图像来说，直接将原图作为输入往往会导致显存不够，通常的处理的办法是将原图进行切块处理，对图像块进行重建，然后将图像块进行拼接。下面将一一介绍其方案以优...

均值滤波：均值滤波，是图像处理中最常用的手段，从频率域观点来看均值滤波是一种低通滤波器，高频信号将会去掉，因此可以帮助消除图像尖锐噪声，实现图像平滑，模糊等功能。理想的均值滤波是用每个像素和它周围像素计算出来的平均值替换图像中每个像素。采样Kernel数据通常是3X3的矩阵，如下表示：从左到右从上到下计算图像中的每个像素，最终得到处理后的图像。均值滤波可以加上两个参数，...

1、SIFT综述尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比

简介        HOG（Histogram of Oriented Gridients的简写）特征检测算法，最早是由法国研究员Dalal等在CVPR-2005上提出来的，一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好的表示行人目标的外形轮廓。        Dal

1.特征点的检测    图像的特征点可以简单的理解为图像中比较显著显著的点，如轮廓点，较暗区域中的亮点，较亮区域中的暗点等。                          原图                                            轮廓线（可能的特征点）   ORB采用FAST（features from accelerated 

1.数学证明2.利用图像证明可以看出 拉普拉斯算子为周边四个元素和减去中间元素，也可以添加对角的45度方向的，则就是周边8个元素减去中间的元素。但是通常是会用中间元素减去周边元素。可以看出与周边的元素的顺序无关，即旋转不变性

1. BRIEF简介   BRIEF是一种特征描述子提取算法，并非特征点的提取算法，这和SIFT，SURF等是有区别的。SIFT是由Lowe在2004提出，是一种128维的浮点描述子，其不仅仅提取代价高，而且匹配代价十分高（虽然有KDTree），还造成了大量空间浪费。   正是基于上面特点，作者提出了BRIEF，一种生成二值化描述子的算法，不仅仅提取代价低，匹配也只需要使用

1.FAST基本算法用一句话来讲FASTN算法的原理就是：若一个像素周围有一定数量的像素与该点像素值不同，则认为其为角点。步骤如下：1）在图像中任选一点p， 假定其像素（亮度）值为 Ip2）以r为半径画圆，覆盖p点周围的M个像素，如下图所示: r=3， M=163）设定阈值t，如果这周围的16个像素中有连续的N个像素的像素值减去 Ip−t 或者有连续的N个像素都大于 Ip+t，

形态学的击中和击不中是形状检测的基本工具。其基本原理为：(集合X为原二值化图像的像素集合，对X取反求得~X(非X， Y表示), 选择的结构元为s1, 对结构元s1取反的结构元为s2)首先对用s1对X进行腐蚀得到A1,， 用s2对Y(即~X)进行腐蚀得到A2。最终结果C = A1 & A2。对本次的样例图片，我们选取以下的结构元s1： 0 0 1 0 00 0 1 0 01