yyywww666的专栏

Matlab图像读取： f=imread(‘imgName.extend’) imgName——图像名 extend———图像格式后缀名如何查看f对应参数： whos f;图像显示： imshow(f);——–默认灰度级数256 imshow(f,G)——-G为默认灰度级数 eg: imshow(f,[low,high])——–小于或等于low的显示黑色，大于或等于high的显示白色，

转换函数： 第一种形式： B=data_type_name(A) 无论A中是什么类型，将其变为data_type_name类型 比如： B=double(A)将A转换为一个双精度数组B第二种形式： 包含5种转换函数： B=im2uint8(A) A类型：logical,uint8,uint16和double B类型：uint8B=im2uint16(A) A类型：logical,

1.亮度图像 2.二值图像 3.索引图像 4.RGB图像亮度图像： 一个亮度图像是一个数据矩阵，归一化的取值表示亮度。若亮度图像的像素都是unit8类或unit16类，则它们的整数范围分别是[0,255]和[0,65535]。若图像是double类，则像素的取值就是浮点数。规定双精度型归一化亮度图像的取值范围是[0,1].二值图像 注意：二值图像是指取值只有0和1的逻辑数组。使用logic

Matlab通过以下方式实现图像的保存：imwrite(f,’path\file_name.extend’)或imrite(f,’path\file_name’,’extend’)来实现注：Matlab中常用的只适用于JPEG图像的语法函数是： imwrite(f,’file_name.jpg’,’quality’,q) 其中，q是一个在0到100之间的整数（由于JPEG压缩，q越小，表明图像的

今年百度计算机视觉笔试题分布情况如下： 第一部分：30个选择题，每个2分 第二部分：2个简答题，一个20分，一个30分 第三部分：2个编程题，每个20分第一部分（有些题目不记得了）

水平集概念引入： 将平面闭合曲线隐含地表达为二维曲面函数的水平集,即具有相同函数值的点集 也就是说对于三维曲面z=f(x,y)与xy平面的交线为： f(x,y)=0, 则f(x,y)即为x,y平面的水平集表达，f(x,y)=0称为0水平集，如此便可以将演化的曲面或曲线嵌入到高维函数表示的曲面中。用一个实例帮助理解：一条连续的参数化曲线时用一个一元连续函数来表示的，无法表示几条分

MICCAI:http://www.miccai2016.org/en/NEWS.htmlCell Image Analysishttp://www.albany.edu/celltracking/index.html

1.查准率(precision)和查全率(recall)precesion:查准率，即在检索后返回的结果中，真正正确的个数占整个结果的比例recall:查全率，即在检索结果中真正正确的个数占整个数据集（检索到和未检索到的）中真正正确个数的比例。FN:False Negative,被判定为负样本，但实际上是正样本。FP:False Positive, 被判定为正样本，但实际上是负

之前在学习CNN的时候，有对卷积进行一些学习和整理，后来就烂尾了，现在稍微整理下，先放上来，以提醒和交流。一、线性滤波与卷积的基本概念      线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器

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和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dal