yuanjiteng的博客

1.霍夫变换直线检测和圆检测霍夫变换是一种从空间域到极坐标域的转换。已知二维空间的一条直线有很多表现方式，例如截距式斜率式比如：y=kx+b,一旦我们知道k和b，就知道了这条直线，而k和b在坐标上表示的只是一个点而已，如果直线的k相同也就是直线平行,那么表现在kb坐标域也就是条k直线。那么问题在于，如何在kb坐标系表示一个点呢？显然不是很好表示，因为过一个点直线的kb不同的话，kb值表示了一整个坐标系。如果点表示出来是一条直线或者曲线是不是就很好了呢？霍夫变换和这种想法类似，归根到底是寻找直线的不同表现

图像边缘检测之索贝尔算子、拉普拉斯算子、canny算子1.Sobel算子Sobel 算子又被叫做一阶微分算子，是一种差分近似微分的方法。其中根据核的不同又有水平和竖直梯度之分，对应着不同的卷积核。API如下：cv::Sobel (InputArray Src // 输入图像OutputArray dst// 输出图像，大小与输入图像一致int depth // 输出图像深度.Int dx. // X方向，几阶导数int dy // Y方向，几阶导数.int ksize, SOBEL算子k

1.图像阈值thresholdladaptiveThreshold(Mat src, // 输入的灰度图像Mat dst, // 二值图像double maxValue, // 二值图像最大值int adaptiveMethod // 自适应方法，只能其中之一 –// ADAPTIVE_THRESH_MEAN_C ， ADAPTIVE_THRESH_GAUSSIAN_Cint thresholdType,// 阈值类型int blockSize, // 块大小double C // 常量C

1 图像的卷积操作卷积操作是图像处理中最常见的方式，体现在图像的特征增强这一点上面。可是我们却很少思考，为什么卷积是一个卷积核覆盖上图片移动然后加权相加？因此，我们必须首先从数学上理解矩阵的卷积计算，学过数字信号处理的同学应该都知道一维信号线性卷积的计算公式体现为信号的反转相乘相加，那么在矩阵中卷积的运算是什么样的？参考博客：https://blog.youkuaiyun.com/bitcarmanlee/article/details/54729807问题：图像进行卷积之后为什么大小不会变？2 图像平滑处理

1.像素读写和修改操作读一个GRAY像素点的像素值（CV_8UC1）Scalar intensity = img.at(y,x);或者Scalar intensity = img.at(Point(x,y));读一个多通道像素点的像素值Vec3f intensity = img.at(y, x);float blue = intensity.val[0];float green = intensity.val[1];float red = intensity.val[2];注意上面的vec3

1.Mat 对象和IPImage 对象IPImage 内部存在内存泄漏问题，因此一般不用此对象mat类常用的构造函数：Mat::Mat()Mat::Mat(int rows, int cols, int type)Mat::Mat(Size size, int type）Mat::Mat(int rows, int cols, int type, const Scalar& s)Mat::Mat(Size size, int type, const Scalar& s)Mat

转 目标检测的图像特征提取之（一）HOG特征1、HOG特征：       方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉...