5 小木匠_

尚未进行身份认证

暂无相关描述

等级
博文 137
排名 2k+

基于亚像素的边缘检测方法

1引言    数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像处理领域的重要基础。在进行图像理解和分析时,第一步往往是边缘检测。目前边缘检测已经成为机器视觉领域最活跃的课题之一,其研究具有非常重要的理论意义和实际应用价值。传统的边缘检测方法的检测精度最高只能达到一个像素级,但是,随着科学技术的飞速发展,工业检测等应用对精确度的要求不断提高,传统的像素级边缘检测方法已经不能满

2017-03-20 13:45:32

Opencv图像识别从零到精通(37)----KNN算法

一KNN简介   K最近邻(k-NearestNeighbor,KNN)分类算法,该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。你可以简单的理解为由那离自己最近的K个点来投票决定待分类数据归为哪一类。   KNN算法的过程为:   选择一种距离计算方式,通过数据所有的特征计算新数据与已

2017-03-03 12:36:39

Matlab GUI 图像识别与图像处理

好久没有写博客,发现要做的东西总是那么多,学的知识越来越多,自己也很快就要毕业了,这种校园学习的时间以后都不会再有了,圣诞节的今天,小伙伴出去Hai了,自己默默的在电脑前,设计着自己的东西,默默的敲着代码。  从入门到精通,这段路似乎还有很长的道路。还记得自己和师兄的学术争吵,代码文档的相互嫌弃,如今就剩下了孤苦的我,没有了那种争先学习的气氛,不知道明年去工作,那里的环境又是怎么样,会遇到

2016-12-25 12:07:29

out of memory的解决方案

在使用大矩阵的时候,会遇到outofmemory的问题,这个让人很纠结,解决的方法一个是从电脑方面,一个就是自身的程序优化问题。从网站各种资料和官方的help中总结了一些。   首先要知道matlab是如何存储矩阵的,Matlab中矩阵是以Block,也就是块的形式存储的。也就是说,当Matlab在为即将存储的矩阵划分块时,如果没有相应大小的连续内存,即使实际内存没有被完全使用,他还是

2016-10-11 09:38:54

卷积神经网络

卷积神经网络   自今年七月份以来,一直在实验室负责卷积神经网络(ConvolutionalNeuralNetwork,CNN),期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用,特写此博文,以其与人交流,互有增益。正文之前,先说几点自己对于CNN的感触。先明确一点就是,DeepLearning是全部深度学

2016-09-23 17:09:32

图像识别基础之相关、卷积

相隔很久,还是在处理的过程中遇见卷积,这个是必不可少的,于是这可i就好好的看看实现过程,让印象更加的深刻。

2016-09-19 15:48:49

聚类分析matlab

感觉自己的业余时间好像越来越少了,实习和学校的工作看来必然会带来一定的冲突,需要适应这个节奏的变化啊,加油。一、理论    聚类就是把东西聚在一起,那一定有一定的规则,相似等,后面会给出。聚类与分类的不同就是,聚类所要求的划分的类是未知的。   聚类是这么定义的:将数据分类到不同的类或者簇这样的一个过程,所以同一个簇中的对象有很大的相似性,而不同簇之间的对象很大的相异性

2016-09-05 15:09:14

Opencv图像识别从零到精通(36)----DFT离散傅里叶变换

这篇就是图像的时域到频域的开始,也是信号处理中比较常见的傅立叶变换。一、傅立叶图像 对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatialdomain)转换到频域(frequencydomain)。这一转换的理论基础来自于以下事实:任一函数都可以表示成无数个正弦和余弦函数的和的形式。傅立叶变换就是一个用来将函数分解的工具。2维图像的傅立叶

2016-08-27 17:40:48

Opencv图像识别从零到精通(35)---SURF

SIFT在前面已经说过了,可以说在实现过程中是精益求精,用了各种手段来删除不符合条件的特征点,同时也得到了很好的效果但是实时性不高,于是就有了SURF(speededuprobusrfeatures).SURF是一种尺度,旋转不变的detector和descriptor.最大的特点是快!在快的基础上保证性能(repeatability,distinctiveness和robustne

2016-08-25 17:09:59

Opencv图像识别从零到精通(34)---SIFI

一、理论知识 ScaleInvariantFeatureTransform,尺度不变特征变换匹配算法,对于算法的理论介绍,可以参考这篇文章http://blog.csdn.net/qq_20823641/article/details/51692415,里面很详细,可以更好的学习。这里就不多介绍。后面就挑选重点的来说二、SIFT主要思想 SIFT算法是一种提取局部特征的

2016-08-24 15:11:49

Opencv图像识别从零到精通(33)----moravec角点、harris角点

一、角点  图像处理和与计算机视觉领域,兴趣点(interestpoints),或称作关键点(keypoints)、特征点(featurepoints)被大量用于解决物体识别,图像识别、图像匹配、视觉跟踪、三维重建等一系列的问题。我们不再观察整幅图,而是选择某些特殊的点,然后对他们进行局部有的放矢的分析。如果能检测到足够多的这种点,同时他们的区分度很高,并且可以精确定位稳定的特征,那

2016-08-22 12:23:57

Opencv图像识别从零到精通(32)----直方图对比,模版匹配,方向投影

0、预备知识归一化就是要把需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内。函数原型:voidnormalize(InputArraysrc,OutputArraydst,doublealpha=1,doublebeta=0,intnorm_type=NORM_L2,intdtype=-1,InputArraymask=noArray())

2016-08-20 15:07:09

Opencv图像识别从零到精通(31)----图像修补,分离合并通道

一、图像修复简介    图像修复是图像复原中的一个重要内容,其目的是利用图像现有的信息来恢复丢失的信息。可用于旧照片中丢失信息的恢复,视频文字去除以及视频错误隐藏等。简言之,图像修复就是对图像上信息缺损区域进行信息填充的过程,其目的就是为了对有信息缺损的图像进行复原,并且使得观察者无法察觉到图像曾经缺损或者已经修复   图像修复技术简单来说,就是利用那些被破坏区域的边缘,即是

2016-08-19 17:29:45

Opencv图像识别从零到精通(30)---重映射,仿射变换

一、序言面对图像处理的时候,我们会旋转缩放图像,例如前面所提高的resize插值改变,也是几何变换:几何运算需要空间变换和灰度级差值两个步骤的算法,像素通过变换映射到新的坐标位置,新的位置可能是在几个像素之间,即不一定为整数坐标。这时就需要灰度级差值将映射的新坐标匹配到输出像素之间。最简单的插值方法是最近邻插值,就是令输出像素的灰度值等于映射最近的位置像素,该方法可能会产生锯齿。

2016-08-17 17:09:01

Opencv图像识别从零到精通(29)-----图像金字塔,向上上下采样,resize插值

金字塔的底部是待处理图像的高分辨率表示,而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低                            一、两个金字塔高斯金字塔(Gaussianpyramid):用来向下采样,主要的图像金字塔拉普拉斯金字塔(Laplacianpyra

2016-08-16 15:50:53

Opencv图像识别从零到精通(28)----Kmeans

K-means算法算是个著名的聚类算法了,不仅容易实现,并且效果也不错,训练过程不需人工干预,实乃模式识别等领域的居家必备良品啊,今天就拿这个算法练练手。属于无监督学习中间接聚类方法中的动态聚类流程:1.随机选取样本中的K个点作为聚类中心2.计算所有样本到各个聚类中心的距离,将每个样本规划在最近的聚类中3.计算每个聚类中所有样本的中心,并将新的中心代替原来的中心4.检查

2016-08-15 16:59:07

Opencv图像识别从零到精通(27)---grabcut

图割graphcuts----gradcut    GraphCuts算法是用来确定网络流的最小分割,即寻找一个容量最小的边的集合,去掉这个集合中的所有边就可以阻挡这个网络了。需要注意的是,通常所说的GraphCuts算法是指的采用最大流-最小分割来优化的模型,其它的GraphCutting算法一般用graphpartitioning这个名词来代替。  首先还得先

2016-08-14 19:51:48

Opencv图像识别从零到精通(26)---分水岭

分水岭是区域分割三个方法的最后一个,对于前景背景的分割有不错的效果。   分水岭分割方法,是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面,刺穿一个小孔,然后把整个模型慢慢

2016-08-13 21:39:30

Opencv图像识别从零到精通(25)------区域分裂与合并

区域分割一般认为有漫水填充,区域分裂与合并,分水岭,这篇是中间的区域分裂和合并。     区域分裂合并算法的基本思想是先确定一个分裂合并的准则,即区域特征一致性的测度,当图像中某个区域的特征不一致时就将该区域分裂成4 个相等的子区域,当相邻的子区域满足一致性特征时则将它们合成一个大区域,直至所有区域不再满足分裂合并的条件为止.   当分裂到不能再分的情况时,分裂结束,然后它将查找相邻

2016-08-12 14:24:31

Opencv图像识别从零到精通(24)------漫水填充,种子填充,区域生长、孔洞填充

可以说从这篇文章开始,就结束了图像识别的入门基础,来到了第二阶段的学习。在平时处理二值图像的时候,除了要进行形态学的一些操作,还有有上一节讲到的轮廓连通区域的面积周长标记等,还有一个最常见的就是孔洞的填充,opencv这里成为漫水填充,其实也可以叫种子填充,或者区域生长,基本的原理是一样的,但是应用的时候需要注意一下,种子填充用递归的办法,回溯算法,漫水填充使用堆栈,提高效率,同时还提供了一种方式

2016-08-11 21:36:49
奖章
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!