qq_40178878的博客

======边缘检测算法：灰度值变化剧烈的地方，及图像的高频(变化快)部分，======那么边缘检测其实就相当于高频滤波或者说图像锐化后设置阈值进行取舍的结果======通常情况下微分运算是求变化率，也就加强了图像的高频部分======那么微分运算 = 计算图像的差分 = 计算梯度傅里叶，拉普拉斯讲解：https://blog.youkuaiyun.com/ciscomonkey/articl...

图像平滑 == 消除噪声 == 模糊丢失细节 == 低通滤波：尽量不损害图像的边缘细节 抑制图像高频部分，增强低频部分(噪声一般分布在高频部分)，也就相当于低通滤波 步骤：根据需求选取滤波方法(不同的模板) -------->模板与原图像卷积 （1） 线性滤波： 均值滤波：去除周期...

（1）图像在空间域上表现为一个个的像素点，而这些像素点对应的也相当于离散的二维信号，所以要将空域转化为频域，需要将离散的二维信号利用二维傅里叶变换转化为二维坐标上的幅值变化。（2）从一维到二维的转化： 在一维上，离散的多个信号组成时域上的函数，那么根据傅里叶可知，一个函数可由多个正余弦函数表示，这样就将时域上的函数分解成多个正余弦函数，通过提取多个正余弦函数的幅值就可以得到频...

（1）腐蚀和膨胀：相对于灰度值而言的增加减少 腐蚀和膨胀的理解：选定模板后计算模板内的有效最小值，然后替换模板中心点，膨胀则选取最大值，所以腐蚀以后灰度值变低，有效的非空白图像增加；而膨胀后灰度值变高，图像的白色明亮部分变多。 膨胀可以去除其他的被错误检测出来的小物体，然后再腐蚀恢复因膨胀消失的原本的物体(因膨胀而消失的小物体则不会再恢复)。一般步骤：开运算(去白...

在形态学滤波的基础上，减少了噪声点，但是仍然存在着一些检测上的错误(颜色分割时候造成的)，所以要利用区域生长来判断检测是否准确。 区域生长关键点：设置种子点(一般鼠标获取)、判断是否满足生长条件(设定相应的阈值)----包含开始生长的终止生长、另外合理的分配内存可以提高算法速度。区域生长算法过程：由单个种子点-----多个种子点-----阈...