lioncv的专栏

在进行图像目标识别与跟踪时，摄像机所采集的图像，在成像、数字化以及传输过程中，难免会受到各种各样噪声的干扰，图像的质量往往会出现不尽人意的退化，影响了图像的视觉效果。通常这些噪声干扰使得图像退化，表现为图像模糊，特征淹没，这会对图像分析产生不利，使所获得的图像质量较低。对这样的图像直接进行目标的识别与跟踪是比较困难的。抑制使图像退化的各种干扰信号、增强图像中的有用信号，以及将观测到的不同图像在同一

本文主要对二值图像膨胀的定义、原理以及VC下实现方法进行总结，并通过图像处理结果对图像膨胀操作的功能以及使用场合进行讨论。1、定义      参考冈萨雷斯的经典教材，对Z空间中的集合A和B，使用B对A进行膨胀，可定义为：            可以理解膨胀过程为：首先得到膨胀结构元素相对于自身原点（按照本人的理解，对于对称的结构元素，原点为其对称中心，对

形象一点说：亮度或灰度变化激烈的地方对应高频成分，如边缘，噪音；变化不大的地方对于低频成分，如大片色块区。画个直方图，大块区域是低频，小块或离散的是高频。 把图像看成二维函数，变化剧烈的地方就对应高频，反之低频。举个通俗易懂的例子：一幅图象，你戴上眼镜，盯紧了一个地方看到的是高频分量摘掉眼镜，眯起眼睛，模模糊糊看到的就是低频分量。  图像的高低频是对

图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不

在图像处理领域，二值图像运算量小，并且能够体现图像的关键特征，因此被广泛使用。将灰度图像变为二值图像的常用方法是选定阈值，然后将待处理图像的每个像素点进行单点处理，即将其灰度值与所设置的门限进行比对，从而得到二值化的黑白图。这样一种方式因为其直观性以及易于实现，已经在图像分割领域处于中心地位。本文主要对最近一段时间作者所学习的阈值化图像分割算法进行总结，全文描述了作者对每种算法的理解，并基于Ope

1.使用模板处理图像相关概念：     模板：矩阵方块，其数学含义是一种种卷积运算。卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。卷积核：卷积时使用到的权用一个矩阵表示，该矩阵与使用的图像区域大小相同，其行、列都是奇数，是一个权矩阵。卷积示例：3 * 3 的像素区域R与卷积核G的卷积运

在进行图像预处理与图像边缘检测等过程中，形态学算子是常用的处理方法。本文主要对二值图像腐蚀的定义、原理以及VC下实现方法进行全面总结，并通过图像处理结果对腐蚀操作的功能以及使用场合进行讨论。1、定义的理解      参考冈萨雷斯的经典教材，对Z空间中的集合A和B，使用B对A进行腐蚀，其定义为：      对其可理解为，对形态学结构元素B进行z平移后，如果

最近一段时间作者开始进行运动目标识别定位系统设计，本文以及后续的几篇文章都是从一个图像处理初学者的角度来总结目标检测定位过程中所应用到的各种常见的算法，尤其是解决算法实现过程中由于粗心大意或者C编程基本功不扎实所引起的各种问题。本文主要对彩色图片灰度化的方法及其实现过程进行总结，最终给出实现的C代码。     在进行视频流目标识别与跟踪时，通常第一个步骤就是对采集到的彩色图像进行灰度化，这

本文主要根据作者的理解整理而来，有什么错误之处，请大家共同讨论指出。1、图像滤波        在三维计算机视觉领域，通常对于二维图像的特征抽取是很关键的第一步，这主要包括抽取二维图像上的边缘、角点、纹理等。通常从这些被称为基元图的组成部分中，我们可以提取图像的以下特征：        1）不同物体边缘成像所带来的灰度跃变；

1介绍这是一个动作识别的paper，本文主要介绍实验环境怎么配置，以及如何运行作者的代码。代码使用python写的，用起来不难，但因为是第一次接触python，遇到了一些问题，就记录下来。作者是把场景分类的object bank方法应用到video。分类准确率高，而且作者给出的代码可以直接运算出一个video片段的特征，然后直接就可以训练分类器。2实验环境步骤KTH数据集的

3、  Canny算法的实现流程       由于本文主要目的在于学习和实现算法，而对于图像读取、视频获取等内容不进行阐述。因此选用OpenCV算法库作为其他功能的实现途径（关于OpenCV的使用，作者将另文表述）。首先展现本文将要处理的彩色图片。图2 待处理的图像3.1 图像读取和灰度化       编程时采用上文所描述的第二种方法来实