- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 去雾算法工程化实现
本文详细介绍了基于暗通道先验的单幅图像去雾算法的原理、公式推导以及实现过程。该算法凭借其出色的去雾效果和相对简洁的实现方式，在计算机视觉领域的图像去雾研究中具有重要地位。未来，随着计算机硬件性能的不断提升和深度学习技术的快速发展，图像去雾技术有望取得更大的突破。例如，结合深度学习模型和传统图像处理方法，可以进一步提高去雾算法的鲁棒性和适应性；同时，针对特殊场景和复杂天气条件下的图像去雾问题，也需要开展更加深入的研究，以满足实际应用中的多样化需求。
2025-03-06 14:07:05
1220
原创 基于邻域依赖的非线性图像增强技术：工程化实现与应用
在计算机视觉和图像处理领域，低照度图像增强一直是一个具有挑战性且极具实用价值的研究方向。低照度图像通常存在对比度低、细节丢失以及噪声显著等问题，这在很大程度上限制了图像在后续应用中的效果。为了改善低照度图像的质量，众多研究者提出了各种增强方法。本文将介绍一种基于邻域依赖的非线性图像增强方法，该方法具有简单、快速且效果显著的特点，并且通过C++和OpenCV库实现了工程化应用。
2025-02-26 20:25:38
731
原创 基于 ALTM-Retinex 算法的图像增强技术工程化实现
本文详细介绍了自适应局部多尺度 Retinex（ALTM-Retinex）算法的工程化实现过程。ALTM-Retinex 算法是一种基于 Retinex 理论的图像增强方法，通过模拟人类视觉系统对光照的适应性，能够有效改善图像的视觉质量。本文从算法原理出发，逐步解析其在 OpenCV 框架下的实现细节，并通过实验验证了算法的工程化效果。
2025-02-14 21:48:29
642
原创 【c++】opencv 图像拼接
图像拼接是一种将多幅具有重叠区域的图像无缝拼接成一幅更大范围图像的技术，其核心步骤包括以下几个方面：特征提取：通过算法（如SIFT、ORB、SURF等）检测图像中的关键点和描述符。这些关键点是图像中具有独特特征的位置，描述符则是对这些关键点周围区域的特征描述。特征匹配：将不同图像中的关键点描述符进行匹配，找出相似的关键点对。常用的匹配算法有FLANN等。图像配准：根据匹配到的关键点对，计算变换矩阵（通常是单应性矩阵），将一幅图像变换到另一幅图像的坐标系中，实现图像的对齐。
2025-02-11 17:16:35
801
原创 firefly rk3399
Firefly 3399环境搭建1、系统镜像的烧写新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入1、系统镜像的烧写Firefly提供的AIO-RK3399PROC-UBUNTU_MINIMAL-20201229-134
2021-10-15 10:43:14
1653
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人