wydbyxr的博客

VGA分辨率  VGA（640x480）又称30 万像素，英文全称是Video Graphic Array，即显示绘图阵列。VGA支持在640X480的较高分辨率下同时显示16种色彩或256种灰度，同时在320X240分辨率下可以同时显示256种颜色。  肉眼对颜色的敏感远大于分辨率，所以即使分辨率较低图像依然生动鲜明。VGA由于良好的性能迅速开始流行，厂商们纷纷在VGA基础上加以扩充，如将显...

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是  一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。  至今虽然有很多行人检测算法，但基本都是以HOG+SVM的思路为主。  参考资料：http://blog.youkuaiyun.com/liulina603/article/details/8291093计算过程  HOG特征通过计算和统计图像...

SURF特征  SURF特征比Haar特征更为复杂，因此计算代价更高，但是由于其表达能力更强，因此能够以更少数目的特征来达到相同的区分度，在一定程度上弥补了其在速度上的不足。计算方法  简化的SURF特征是一种和Haar特征相类似的特征，但是其计算的是局部区域中像素点的梯度和，并在求和的过程中考虑了梯度方向（所谓梯度，最简单的一种情形就是指同一行上两个不同位置像素值的差比上它们水平坐标的差）...

LBP特征  LBP特征与Haar特征的计算基本一致。是一种二值编码特征，其直接基于像素灰度值进行计算，特点是在编码时考虑的是两个值的相对大小，并且按照一定的空间结构来进行编码。  局部组合二值特征就是在LBP特征的启发下设计的；  从计算上来看，提取LBP特征比提取Haar特征要快，但是Haar特征对于人脸和非人脸窗口的区分能力更胜一筹。...

Haar特征  Haar特征反映了局部区域之间的相对明暗关系，能够为人脸和非人脸的区分提供有效的信息，例如眼睛区域比周围的皮肤区域要暗，通过Haar特征就可以将这一特点表示出来。特征计算  1）先在窗口的某个位置取一个矩形的小块，  2）然后将这个矩形小块划分为黑色和白色两部分，并分别对两部分所覆盖的像素点（图像上的每个点称为一个像素）的灰度值求和，  3）最后用白色部分像素点灰度值的和...

各种多尺度物体检测方法  a）原图缩放，将目标缩放至与模板匹配的大小，多个Scale的原图对应不同Scale的Feature，该方法计算多次Scale，每个Scale提取一次Feature。  e）与方法a类似，但和 a全图计算不同，只针对Patch计算。  该方法在RCNN中使用，使用RCNN进行目标检测时，首先在原图上得到2000个建议框，这些建议框在变形成统一的尺寸大小（如227*2...

视频分析方法  主要有3类：  1）背景减除方法。背景减除方法是利用当前图象和背景图象的差分（SAD）来检测出运动区域的一种方法，可以提供比较完整的运动目标特征数据。  2）时间差分法。  3）光流法。...

清晰度  在码率一定的情况下，分辨率与清晰度成反比关系：分辨率越高，图像越不清晰，分辨率越低，图像越清晰。  在分辨率一定的情况下，码率与清晰度成正比关系，码率越高，图像越清晰；码率越低，图像越不清晰。...

帧率(FPS)  帧率就是在1秒钟时间里传输的图片的帧数，也可以理解为图形处理器每秒钟能够刷新几次。会影响画面流畅度，并与画面流畅度成正比（即帧率越大，画面越流畅；帧率越小，画面越有跳动感）。  如果码率为变量，则帧率也会影响体积，帧率越高，每秒钟经过的画面越多，需要的码率也越高，体积也越大。全帧率  即每秒30帧，每帧都去抓取，在业界这个指标是最高的。  例如：有的嫌疑人员有很强的反侦...

I帧、P帧、B帧、IDR 帧  简单来说，视频压缩时，其实是把每帧当作一幅静止图像压缩，在实际压缩时，会采取各种算法减少数据的容量，其中I帧、P帧、B帧就是最常见的。I帧  表示关键帧，你可以理解为这一帧画面的完整保留；解码时只需要本帧数据就可以完成（因为包含完整画面）P帧  表示的是这一帧跟之前的一个关键帧（或P帧）的差别，解码时需要用之前缓存的画面叠加上本帧定义的差别，生成最终画面。...

模板匹配  首先模板不是用来 精确定位的，只能用来粗定位。先粗定位，然后在你的当前图中扣取 和模板一样大小的区域，然后再进行精确定位。问题1  对于有缩放和旋转的目标你们是怎么定位的呢？  轮廓；匹配；模板匹配问题2  用ORB特征匹配，怎么确定匹配到的就是我的模板图像啊 ？  匹配后的区域进行相减或者算相似度。两图相减，注意两图的大小要一样，可现在大小就是不一样，所以我才用的ORB...

常见的图片失真现象  1）ringing artifact 振铃效应  如下图，左边的图是无振铃效应的高清图片的物体边缘，可以看到前后景交界的地方是很分明的；而右边的图则有振铃效应，可以看到边缘地方产生了“涟漪”一样的过渡效果（灰-黑-白-淡灰）。  2）blocking artifact  blocking artifact就是在图像上会出现一些“方格”的效果，类似于“马赛克”的情况，...

双线性插值  如下图，中间点P是待插值的点，其中f(x)在我们这里是位于点x处的像素值。

图像与秩  问题：如何界定一个图像或一个物体具有低秩属性？具有高秩属性的图像，如存在缺失现象，应如何恢复，现有何方法可以解决？  回答：在图像处理问题中，图像的秩可以简单理解为图像所包含的信息丰富程度，图像由于局部分块之间的相似性、重复性，往往具有低秩的属性；图像的秩比较高，可能是因为图像噪声的影响，通过低秩的限制，应该能够很好的达到去噪的效果。...

卷积与滤波器的联系(??)  吴恩达解释了如何实现卷积算子（convolution operator），并展示了它如何在图像中检测边缘。他还介绍了其他滤波器，例如Sobel 滤波器，它赋予边缘中心像素更大权重。  根据吴恩达的解释，滤波器的权重不应该人工设计，而应该使用爬山算法（hill climbing algorithm）来学习，例如梯度下降法。...

高斯模糊  SIFT算法是在不同的尺度空间上查找关键点，而尺度空间的获取需要使用高斯模糊来实现，Lindeberg等人已证明高斯卷积核是实现尺度变换的唯一变换核，并且是唯一的线性核。...

RGB白色:rgb(255,255,255)黑色:rgb(0,0,0)

计算机视觉的种类  《Computer Vision》，详述了四大部分的内容，包括：分类/定位，目标检测，目标追踪；分割，超分辨率，自动上色，风格迁移，动作识别；3D世界理解；卷积网络架构，数据集，新兴应用等。第一部分：分类/定位，目标检测，目标追踪第二部分：分割，超分辨率，自动上色，风格迁移，动作识别第三部分：3D世界理解第四部分：卷积网络架构，数据集，新兴应用Face++研究院定义...

中心凹(foveated architecture)  人眼中分为中心视力（foveal）和周边（peripheral）视力两部分，中心视力用来提供精确和细节视觉内容，而周边视力则为广角视野范围的画面，两者的视敏度差别引出了视网膜中心凹形渲染系统（foveated rendering system），这是通过追踪人眼，用低画质渲染周边视力的画面，以突出中心视力凝视的内容，但现有的相关渲染技术会造...