- 博客(41)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 C++21days专栏|第2章 作业
因为C++编译器区分大小写，它不知道std:Cout是什么以及它后面的字符串为何不以左引号开头。另外声明main()时，总是应该将其返回类型指定为int。C++代码区分大小写。Int和int不是一回事。
2024-05-06 15:52:32
241
原创 C++21days专栏|第1章 作业
编译器将C++代码文件作为输入，并生成与之对应的用机器语言表示的目标文件，在这个过程种，并没有解析对其他代码文件种函数和库的依赖。然后，链接器接手，它生成可执行文件---构建过程的最终输出。编译型语言用的是编译器，解释型语言用的是解释器。并且编译器是一次性进行源代码到机器码的转换过程，解释器是逐行进行源代码到机器码的转换过程。解释器读取脚本文件的内容并执行指定的操作。部署（尤其是云环境）。在很多情况下，编译和链接是在一步种完成的。答：显示x减y，x乘y，x+y的结果。include应以#开头。
2024-05-06 15:05:48
260
原创 图像配准概述
3、不同摄像头，相同角度拍摄的多帧图像：图像内容基本一致，但是由于来自不同硬件设备，除了手抖等问题外，还存在硬件本身差异导致的分辨率，画幅，景深，缩放等问题。4、不同摄像头，不同角度拍摄的多帧图像:除了硬件差异带来的分辨率，画幅，景深，缩放等问题之外，还存在图像内容差异较大，公共区域面积较小等难点。通常项目上来说，这些全局和局域的配准算法并不是互斥的，很多项目上都会先全局对图像做基本配准，然后再继续做局域配准，来进一步提高配准效果。根据配准数据来说，大方向上大致可以分为2类：全局和局域配准。
2024-04-01 09:41:11
937
1
原创 0325 ISP流程介绍 RAW/RGB/YUV
NR Raw(noise reduction for Raw)也就是Raw域去噪，单纯的图像去噪算法在这几十年发展中，已经有了无数种，简单按类别来分，就有简单空域滤波(比如高斯)，考虑像素值相识性(如双边)，变换域去噪(如小波)，考虑图像块内容结构相似性(如nlm，bm3d)，加入时域信息(mfnr)，基于聚类训练(如各类字典或者RAISR等)，基于nn网络等。Luma NR也就是对亮度通道去噪，其实前面Raw格式阶段，已经有去噪模块，并且有提到，在Raw图像上去噪，去噪难度上能明显好于在后端去噪。
2024-03-25 14:09:03
2583
原创 ISP图像算法工程相关知识点_003
AWB（Auto White Balance）算法原理及流程： **AWB算法的目标是根据图像中的颜色信息，自动调整图像的白平衡**，以保持图像的自然色彩。HDR（High Dynamic Range）算法原理及流程： **HDR算法的目标是通过合成多张不同曝光下的图像**，以获得更广泛的**动态范围和更好的细节保留**。总之，AWB、AE、HDR和LTM算法是常用的图像处理算法，它们可以通过分析图像的亮度、对比度和颜色信息，来自动调整图像的曝光和对比度，以获得更好的图像质量和视觉效果。
2024-03-04 14:43:01
1498
原创 [ISP]DCT离散余弦变换及C++代码demo
离散余弦变换(DCT for Discrete Cosine Transform)DCT（Discrete Cosine Transform，离散余弦变换）是一种常用的信号处理技术，广泛应用于图像处理、音频处理、视频压缩等领域。DCT将一个信号或数据序列从时域（或空域）转换为频域，可以有效地提取信号的频域特征，实现信号的压缩和特征提取。DCT与傅里叶变换类似，但DCT仅使用实数部分，因此更适合于处理实际信号。DCT将信号分解为一系列余弦函数的加权和。
2024-03-04 13:56:44
581
原创 图像处理算法及流程记录
本篇主要是对图像处理图像增强等相关进行简单介绍和记录，为后续的相关算子的介绍做铺垫。对画质增强算法，根据基本模块进行分解，可以得到很多共性点。如多帧去噪：多帧图像输入、参考帧选择、配准、多帧融合、单帧去噪、锐化、图像输出HDR:多ev图像输入、base帧选择、配准、hdr融合、TMC、图像输出它们往往会用到一些相同的算子，内部实现可能会有差异，但本质原理基本一致。如此，我们可以整理出一个算法池，可以升级一个算子实现多个画质算法的效果提升，也可以对输入图像和算子流程调整，进而实现新的图像算法。
2024-02-22 10:57:58
575
原创 AIISP-VGG网络结构详解与模型的搭建
可以通过堆叠两个3x3的卷积核 替代5x5的卷积核，堆叠三个3x3的卷积核替代7x7的卷积核。在卷积神经网络中，决定某一层输出结*中一个元素所对应的输入层的区域大小，被称作感受野。其中F(i)为第i层感受野，Stride为第i层的布距，Ksize为卷积核或采样核尺寸。如论文，可以通过堆叠两个3x3的卷积核替代5x5的卷积核，堆叠三个的话就是替代7x7。通俗的解释是 输出feature map上的一个单元对应输入层上区域的大小。通过堆叠多个3x3的卷积核来替代大尺度卷积核。他们拥有相同的感受野。
2023-06-29 11:20:47
326
原创 ISP调试工程师-面试问题-001-BM3D算法
看作3D信号，将每一个2D图像看作一个3D信号的一个切片，然后在3D信号上进行**匹配和滤波**，最后将3D信号切片后形成的2D降噪图像拼起来，即得到最终的降噪结果。BM3D是一种基于**分组稀疏表示**的图像降噪算法，该算法结合了**块匹配3D**（Block-Matching 3D，BM3D）和小波变换。BM3D 3D变换滤波的基本思路是将信号。以下是基于python3.7实现对一张jpg图的BM 3D算法的代码。
2023-06-01 11:29:11
443
原创 ISP-Exposure Fusion-图像曝光融合算法实现
该算法基于图像金字塔的概念，通过对图像进行多次高斯滤波和下采样得到不同尺度的图像，然后对每个尺度的图像进行差分操作，得到该尺度上的细节信息。最终将不同尺度的细节信息合并，得到原始图像的细节信息。高斯金字塔的特点是每一层图像的尺寸都是前一层图像的1/4，因此它可以用来实现图像的缩放。其中，$G_i$表示第$i$层高斯金字塔，$Expand$表示上采样操作，$UpSample$表示下采样操作，$L_i$表示第$i$层拉普拉斯金字塔。3. 将上采样得到的图像与下一层高斯金字塔的图像相减，得到该尺度上的细节信息。
2023-04-12 14:50:32
700
原创 ISP-Exposure Fusion-1-图像对齐算法总结
ORB算法采用的是BRIEF特征描述算法，它是一种快速的特征描述算法，可以将关键点的特征描述为一个二进制字符串，用于图像匹配。BRIEF特征描述算法的原理是：对于关键点周围的像素点，随机选择一组像素对，并比较它们的灰度值大小，将比较结果组成一个二进制字符串作为该关键点的特征描述符。FAST角点检测算法的原理是：对于一组像素点，如果其中存在一个像素点及其周围的像素点的灰度值都比另外的像素点的灰度值高或低一个阈值，那么这个像素点就被认为是一个角点。但是新的opencv版本没有了sift，所以改用orb。
2023-04-12 13:47:39
445
原创 Win10+OpenCV+Vscode C++及Cmake编译＜1＞
2.关键点 CMake-gui时，需要把CMakeDownloadLog里的确实的下载都下载好放到指定路径下并重新configure \ generate \ minGW32-cmake -j 8 \ install。4.还有一个关键点就是，cv imread图的时候需要是绝对路径，不然Cmake编译就需要在debug或者release里的目录下把图也放一份。1.下载完所需要的Opencv、Vscode、CMake并配置好环境变量。3.最主要还是vscode的json的配置，如下。
2023-04-05 21:10:52
377
原创 ＜RUNOOB＞ C++基础之指针
指针是一个变量，其值为另一个变量的地址，即，内存位置的直接地址。就像其他变量或常量一样，您必须在使用指针存储其他变量地址之前，对其进行声明。在这里，type是指针的基类型， 它必须是一个有效的C++数据类型，var-name是指针变量的名称。用来声明指针的星号*与乘法中使用的星号是相同的。但是，在该语句中，星号是用来指定一个变量是指针。int *ip /*一个整型的指针 */double *dp /*一个double型的指针 */float *fp;/*一个浮点型的指针 */char *ch;
2023-02-09 13:57:58
189
原创 ISP Tuning之路：初识ADRC
目的：本文基于工作项目针对性预习ADRCTool:高通 Chromatix7 、AEC10模块用途：提高整体亮度并抑制过曝，混合使用GTM和LTM。用直方图AEC设置更低目标亮度，用更高的数字增益来增大暗处的亮度，会带来噪声的增加，尤其是户外场景。...
2022-08-30 16:16:28
7429
5
原创 ISP自学1：传感器的动态范围 VS 成像系统的动态范围
传感器与系统动态范围 传感器制造商正在开发高动态范围（HDR）图像传感器，声称其动态范围非常大。120dB到150dB。测量的系统（相机）动态范围通常比指定的传感器动态范围低得多。主要原因是镜头中的耀斑光–在镜头元件之间和镜筒上（镜头内部）反射的杂散光，使图像模糊，有时导致 “鬼影 “图像。高质量的镜头镀膜有帮助–但只有这么多。不同的测试图表设计有不同的密度分布，因此在图表图像上有不同数量的镜头闪光，导致测量的动态范围不同。这就是为什么标准化的重要性。据我们所知，没有一个相机系统（光线必须通过光学器件）
2022-05-30 22:49:05
809
原创 FusionGAN [Python]实战学习
这是首个使用GAN来融合红外与可见光图像的模型，通过生成器和判别器之间的对抗学习避免人工设计activity level和融合规则 。其中生成器同时将红外图像与可见光图像作为输入，输出融合图像；由于可见光图像的纹理细节不能全部都用梯度表示，所以需要用判别器单独调整融合图像中的可见光信息，判别器将融合图像与可见光图像作为输入，得到一个分类结果，用于区分融合图像与可见光图像。在生成器和判别器的对抗学习过程中，融合图像中保留的可见光信息将逐渐增多。训练完成后，只保留生成器进行图像融合即可。生成器和判别器的
2022-05-24 16:15:04
1842
4
原创 到底什么是API？
API（Application Programming Interface,应用程序编程接口）是一些预先定义的函数，目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力，而又无需访问源码，或理解内部工作机制的细节。——百度百科从文件操作开始谈API。以C语言为例，我们使用fopen()函数可以打开一个文件，感觉非常简单。文件保存在硬盘上，要经过复杂的处理才能显示，这些细节对我们来说是透明的，由操作系统完成。也就是说，我们调用fopen()函数来通知操作系统，让操作系统打开..
2022-05-14 17:12:32
100
原创 双尺度与多尺度图像细节提升 python matlab
双尺度图像分解细节提升一副图像经过大尺度的均值滤波(公式10)后得到大尺度的基础层Bn，然后用原图减去大尺度基础层(公式11)可以得到一副小尺度的细节层Dn，然后加上原图In，图像细节得到提升，实验结果如下。2、多尺度图像分解细节提升 看到多尺度图像分解细节提升算法是在2015年《DARKIMAGEENHANCEMENTBASEDONPAIRWISETARGETCONTRASTAND MULTI-SCALEDETAILBOOSTING》上的一小部分，感觉算法思想也是特别妙，下面是主要内容。简单介
2022-04-27 14:38:02
1362
2
原创 简单快速有效的低照度图像非线性增强方法
介绍的是一种比较实用并且去阴影效果很好的方法，选自2004年Tao的一篇论文，名称是《An Integrated Neighborhood Dependent Approach for Nonlinear Enhancement of Color Images 》，有兴趣的朋友仔细细读一下。论文篇幅很短，所以应该难度不大，而且效果极佳。通过灰度图，动态范围压缩，高斯滤波结果，得到修复的灰度图。然后根据灰度图进行色彩恢复MatlabclcclearI=im2double(imread('2.
2022-04-09 08:55:48
1216
基于python的淘宝抢拍秒杀
2022-03-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人