- 博客(156)
- 资源 (15)
- 收藏
- 关注
RSS订阅转载 Normalized Cuts and Image Segmentation的运行代码错误
我在运行Normalized Cuts and Image Segmentation的代码demoNcutImage.m时，出现了错误使用 arpackc需要 2 个输出参数解决方法：使用Matlab的eigs（）函数，而不是normalized cuts包中提供的eigs_new（）。即ncut.m中的[vbar,s,convergence] = eigs(@mex_w_times_x_symmetric,size(P,1),nbEigenValues,‘LA’,options,tril§)
2020-10-11 15:41:31
453
4
转载 OPENCV2计算机视觉编程手册-第九章估算图像间的投影关系
1、计算一对图像的基础矩阵#include<iostream> #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<opencv2/features2d/features2d.hpp>#include "opencv2/nonf...
2019-12-19 11:11:22
327
转载 OPENCV2计算机视觉编程手册--第八章检测并匹配兴趣点
兴趣点（也叫做关键点或特征点）主要是指某些特殊的点，经过对它们执行局部分析，如果能够检测到足够多的这种点，同时它们区分度很高，并且可以精确定位稳定的特征。这类点被大量用于解决物体识别，图像匹配，视觉跟踪，三维重建等问题。一、检测Harris角点1.概念及原理(1)角点：最直观的印象就是在水平、竖直两个方向上变化均较大的点。Harris观察一个假定的特征点周围小窗口内的方向性强度平均变化。如果...
2019-12-16 16:50:40
506
1
转载 带有Lowe’s算法的SIFT特征提取和匹配
采用Lowe‘s的算法选出优秀匹配点。#include "highgui/highgui.hpp" #include "opencv2/nonfree/nonfree.hpp" #include "opencv2/legacy/legacy.hpp" #include <iostream> using namespace cv;using namespa...
2019-12-13 17:00:44
791
转载 SIFT特征提取和匹配
SURF算法是SIFT算法的加速版， 而SIFT（尺度不变特征转换， ScaleInvariant Feature Transform） 是另一种著名的尺度不变特征检测法。我们知道，SURF相对于SIFT而言，特征点检测的速度有着极大的提升，所以在一些实时视频流物体匹配上有着很强的应用。而SIFT因为其巨大的特征计算量而使得特征点提取的过程异常花费时间，所以在一些注重速度的场合难有应用场景。但是S...
2019-12-13 16:48:43
1173
转载 带有Lowe’s算法的SURF特征提取和匹配
直接使用surf提取，匹配的效果还是相当糟糕的，如果我们拿着这样子的匹配结果去实现图像拼接或者物体追踪，效果肯定是极差的。所以我们需要进一步筛选匹配点，来获取优秀的匹配点，这就是所谓的“去粗取精”。这里我们采用了Lowe’s算法来进一步获取优秀匹配点。为了排除因为图像遮挡和背景混乱而产生的无匹配关系的关键点，SIFT的作者Lowe提出了比较最近邻距离与次近邻距离的SIFT匹配方式：取一幅图像中的...
2019-12-13 16:32:54
535
转载 SURF特征点检测和匹配
SURF全称为“加速稳健特征”（Speeded Up Robust Feature），它们不仅是尺度不变特征，而且是具有较高计算效率的特征。#include "highgui/highgui.hpp" #include "opencv2/nonfree/nonfree.hpp" #include "opencv2/legacy/legacy.hpp" #include &l...
2019-12-13 15:43:02
550
1
转载 图像处理3
Q.21. 直方图归一化（ Histogram Normalization ）归一化直方图吧！有时直方图会存在偏差。比如说，数据集中在 0 处（左侧）的图像全体会偏暗，数据集中在255 处（右侧）的图像会偏亮。如果直方图有所偏向，那么其动态范围（ dynamic range ）就会较低。为了使人能更清楚地看见图片，让直方图归一化、平坦化是十分必要的。这种归一化直方图的操作被称作灰度变换（Gr...
2019-11-13 21:45:40
593
转载 图像处理入门2
Q.11. 均值滤波器使用均值滤波器（3x3）来进行滤波。均值滤波器使用网格内像素的平均值。import cv2import numpy as np# 读取图片img = cv2.imread("imori.jpg")H, W, C = img.shape# 中值滤波K_size = 3## 零填充pad = K_size // 2out = np.zeros((H ...
2019-11-13 15:33:40
603
1
转载 图像处理入门1
Q.1. 通道交换读取图像，然后将 RGB 通道替换成 BGR 通道。注意，cv2.imread() 的系数是按 BGR 顺序排列的！其中的变量 red 表示的是仅有原图像红通道的 imori.jpg。import cv2#读取图像img = cv2.imread("imori.jpg")cv2.imshow("imori", img)#显示读取图像cv2.waitKey(0)c...
2019-10-30 16:18:23
759
1
翻译 第4章 朴素贝叶斯
第4章 朴素贝叶斯1．朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布 P(X,Y)P(X,Y)P(X,Y)，然后求得后验概率分布P(Y∣X)P(Y|X)P(Y∣X)。具体来说，利用训练数据学习P(X∣Y)P(X|Y)P(X∣Y)和P(Y)P(Y)P(Y)的估计，得到联合概率分布：P(X,Y)＝P(Y)P(X∣Y)P(X,Y)＝P(Y)P(X|Y)P(X,Y)＝P(Y)P(...
2019-10-29 10:21:25
230
翻译 第2章 感知机
1．感知机是根据输入实例的特征向量xxx对其进行二类分类的线性分类模型：f(x)=sign(w⋅x+b)f(x)=\operatorname{sign}(w \cdot x+b)f(x)=sign(w⋅x+b)感知机模型对应于输入空间（特征空间）中的分离超平面w⋅x+b=0w \cdot x+b=0w⋅x+b=0。2．感知机学习的策略是极小化损失函数：minw,bL(w,b)=−∑...
2019-10-09 09:57:11
159
翻译 第3章 k近邻法
1．kkk近邻法是基本且简单的分类与回归方法。kkk近邻法的基本做法是：对给定的训练实例点和输入实例点，首先确定输入实例点的kkk个最近邻训练实例点，然后利用这kkk个训练实例点的类的多数来预测输入实例点的类。2．kkk近邻模型对应于基于训练数据集对特征空间的一个划分。kkk近邻法中，当训练集、距离度量、kkk值及分类决策规则确定后，其结果唯一确定。3．kkk近邻法三要素：距离度量、kkk值的...
2019-10-08 17:38:47
267
翻译 使用IPT函数bwhitmiss
%使用IPT函数bwhitmissf=imread('small-squares.tif');subplot(1,2,1),imshow(f),title('原图像')B1=strel([0 0 0;0 1 1;0 1 0]);%结构元素B2=strel([1 1 1;1 0 0;1 0 0]);%结构元素g=bwhitmiss(f,B1,B2);%击中或击不中变换subplot(1...
2019-05-10 09:51:56
823
翻译 计算和显示连接分量的质心
%计算和显示连接分量的质心f=imread('ten-objects.tif');[L,n]=bwlabel(f);%计算8连接分量[r,c]=find(L==3);%返回第三个对象的所有像素的行索引和列索引rbar=mean(r);%行平均数cbar=mean(c);%列平均数imshow(f)hold on%之后绘制命令图在图像的顶部for k=1:n [r,c]=fi...
2019-05-10 09:51:44
343
翻译 骨骼细化
%骨骼细化f=imread('bone.tif');fs=bwmorph(f,'skel',Inf);%使用函数bwmorph细化subplot(2,2,1),imshow(f),title('骨骼图像')subplot(2,2,2),imshow(fs),title('使用函数bwmorph得到的骨骼')for k=1:5 fs=fs & ~endpoints(fs);...
2019-05-10 09:51:32
321
翻译 conwaylaws.m
%conwaylaws源程序function out=conwaylaws(nhood)%conwaylaws应用Conway的遗传规则去产生一个简单像素%out=conwaylaws(nhood)应用Conway的遗传规则去产生一个简单像素和它的3*3邻域,nhood。num_neighbors=sum(nhood(:))-nhood(2,2);if nhood(2,2)==1 ...
2019-05-10 09:51:20
173
2
翻译 endpoint_fcn.m
%endpoint_fcn源程序function is_end_point=endpoint_fcn(nhood)%决定一个像素是否为一个端点%is_end_point=endpoint_fcn(nhood)接受一个3*3的二维邻域nhood,如果中心元素是一个 端点，则返回1，否则返回0.is_end_point=nhood(2,2) & (sum(nhood(:))==2);...
2019-05-10 09:51:07
267
翻译 endpoints.m
%endpoints源函数function g=endpoints(f)%endpoints计算一幅二维图像的端点%g=endpoints(f)计算一幅二维图像的端点，并在二维图像g中返回persistent lutif isempty(lut) lut=makelut(@endpoint_fcn,3);endg=applylut(f,lut)...
2019-05-10 09:50:57
714
翻译 开运算和闭运算的作用
%开运算和闭运算的作用f=imread('fingerprint.tif');subplot(3,2,1),imshow(f),title('原图像')se=strel('square',3);%结构元素fo=imopen(f,se);%开运算subplot(3,2,2),imshow(fo),title('开运算后的图像')foc=imclose(fo,se)%开运算后再闭运算...
2019-05-10 09:50:47
7645
翻译 膨胀的简单应用
%膨胀的简单应用A=imread('broken-text.tif');B=[0 1 0;1 1 1;0 1 0];%结构元素A2=imdilate(A,B);%执行膨胀运算subplot(1,2,1),imshow(A),title('残缺文本')subplot(1,2,2),imshow(A2),title('膨胀后图像')...
2019-05-10 09:50:30
304
翻译 使用开运算和闭运算做形态学平滑
%使用开运算和闭运算做形态学平滑f=imread('plugs.tif');subplot(2,2,1),imshow(f),title('原图像')se=strel('disk',5);%结构元素fo=imopen(f,se);%开运算subplot(2,2,2),imshow(fo),title('半径为5的圆盘执行开运算后的图像')foc=imclose(fo,se);%开运...
2019-05-10 09:50:17
1579
翻译 函数imopen和imclose的应用
%函数imopen和imclose的应用f=imread('shape.tif');subplot(2,2,1),imshow(f),title('原图像')se=strel('square',20);%结构元素fo=imopen(f,se);%开运算subplot(2,2,2),imshow(fo),title('开运算后的图像')fc=imclose(f,se);%闭运算subp...
2019-05-10 09:50:04
10660
1
翻译 使用重构删除复杂图像的背景
%使用重构删除复杂图像的背景f=imread('calculator.tif');subplot(4,2,1),imshow(f),title('原图像')f_obr=imreconstruct(imerode(f,ones(1,71)),f);%开运算后再重构subplot(4,2,2),imshow(f_obr),title('开运算重构后的图像')f_o=imopen(f,on...
2019-05-10 09:49:47
831
翻译 重构
%重构f=imread('plugs.tif');subplot(2,2,1),imshow(f),title('原图像')se=strel('disk',5);fe=imerode(f,se);%腐蚀fobr=imreconstruct(fe,f)%重构subplot(2,2,2),imshow(fobr),title('开运算重构后的图像')fobrc=imcomplemen...
2019-05-10 09:49:34
203
翻译 由重构做开运算
%由重构做开运算f=imread('book_text.tif');subplot(3,2,1),imshow(f),title('原图像')f1=imerode(f,ones(51,1));%竖线腐蚀subplot(3,2,2),imshow(f1),title('竖线腐蚀后的图像')f2=imopen(f,ones(51,1));%竖线做开运算subplot(3,2,3),im...
2019-05-10 09:49:20
815
翻译 腐蚀
%腐蚀A=imread('wirebond_mask.tif');subplot(2,2,1),imshow(A),title('原图像')se=strel('disk',10);%半径10的圆盘型结构元素A2=imerode(A,se);%半径为10的圆盘腐蚀subplot(2,2,2),imshow(A2),title('半径为10的圆盘腐蚀的图像')se=strel('disk'...
2019-05-10 09:49:07
296
翻译 膨胀和腐蚀
%膨胀和腐蚀f=imread('aerial.tif');subplot(2,2,1),imshow(f),title('原图像')se=strel('square',3);%结构算子gd=imdilate(f,se);%膨胀subplot(2,2,2),imshow(gd),title('膨胀后的图像')ge=imerode(f,se);%腐蚀subplot(2,2,3),im...
2019-05-10 09:48:48
2144
翻译 顶帽变换
%顶帽变换f=imread('rice.tif');subplot(2,2,1),imshow(f),title('原图像')se=strel('disk',10);%结构元素fo=imopen(f,se);%开运算subplot(2,2,2),imshow(fo),title('开运算后的图像')f2=imsubtract(f,fo);%顶帽变换subplot(2,2,3),i...
2019-05-10 09:48:30
3425
1
翻译 颗粒分析
%颗粒分析f=imread('plugs.tif');subplot(2,2,1),imshow(f),title('原图像')sumpixels=zeros(1,36);for k=0:35 se=strel('disk',k); fo=imopen(f,se); sumpixels(k+1)=sum(fo(:));endsubplot(2,2,2),pl...
2019-05-10 09:48:17
823
翻译 点检测
%点检测f=imread('single_pixel.tif');%读取图像subplot(1,2,1),imshow(f),title('原图像')w=[-1,-1,-1;-1,8,-1;-1,-1,-1];%点检测掩模g=abs(imfilter(double(f),w));%计算滤波图像T=max(g(:));%使用滤波图像的数据找到T值g=g>=T;%将已滤波图像与T比...
2019-05-10 09:48:05
239
翻译 Sobel,LoG和Canny边缘检测器的比较
%Sobel,LoG和Canny边缘检测器的比较f=imread('building.tif');%读取图像subplot(4,2,1),imshow(f),title('原图像')[g_sobel_default,ts]=edge(f,'sobel');%sobel边缘检测subplot(4,2,3),imshow(f),title('默认的sobel图像')[g_log_defa...
2019-05-10 09:47:52
2234
翻译 使用sobel检测器来提取边缘
%使用sobel检测器来提取边缘f=imread('building.tif');%读取图像subplot(3,2,1),imshow(f),title('原图像')[gt,t]=edge(f,'sobel','vertical');%用sobel来提取垂直边缘检测subplot(3,2,2),imshow(gt),title('垂直sobel掩模后图像')gv=edge(f,'so...
2019-05-10 09:47:41
1831
翻译 计算全局阈值
%计算全局阈值f=imread('scanned-text-grayscale.tif');subplot(1,2,1),imshow(f),title('扫描的文本')T=0.5*(double(min(f(:)))+double(max(f(:))));%初始估计值done=false;while ~done g=f>=T;%使用T分割图像 Tnext=0.5...
2019-05-10 09:47:29
2383
翻译 hough.m
%hough源函数function [h,theta,rho]=hough(f,dtheta,drho)%hough计算图像下f的Hough变换%dtheta明确了在水平上的Hough变换的bins与theta坐标的空间。%drho明确了在水平上Hough变换bins与rho坐标的空间。%h是Hough变换矩阵。当nrho=2*ceil(norm(size(f))/drho)-1和nth...
2019-05-10 09:47:14
488
翻译 houghlines.m
%houghlines源程序function lines=houghlines(f,theta,rho,rr,cc,fillgap,minlength)%houghlines建立在Hough变换提取线部分%lines=houghlines(f,theta,rho,rr,cc,fillgap,minlength)在一个Hough变换中，联系特殊的bin提取在图像f中的线部分。%theta和r...
2019-05-10 09:46:48
461
翻译 houghpeaks
%houghpeaks源函数function [r,c,hnew]=houghpeaks(h,numpeaks,threshold,nhood)%houghpeaks在Hough中检测峰值.%[r,c,hnew]=houghpeaks(h,numpeaks,threshold,nhood)在Hough矩阵h中检测峰值.%numpeaks明确地寻找最大值的位置。%在threshold下h的...
2019-05-10 09:46:03
2424
翻译 标记符控制的分水岭分割
%标记符控制的分水岭分割f=imread('gel-image.tif');%读取图像subplot(4,2,1),imshow(f),title('二值图像')h=fspecial('sobel');%滤波器类型为sobelfd=double(f);%转化为double型g=sqrt(imfilter(fd,h,'replicate').^2+... imfilter(fd...
2019-05-10 09:45:51
1031
翻译 检测指定方向的线
%检测指定方向的线f=imread('wirebond_mask.tif');%读取图像subplot(3,2,1),imshow(f,[]),title('原图像')w=[2 -1 -1;-1 2 -1;-1 -1 2];%线检测掩模g=imfilter(double(f),w);%滤波器subplot(3,2,2),imshow(g,[]),title('-45°检测器处理的图像'...
2019-05-10 09:45:39
745
翻译 regiongrow.m
%regiongrow源程序function [g,NR,SI,TI]=regiongrow(f,S,T)%regiongrow执行区域生长%[g,NR,SI,TI]=regiongrow(f,S,T).S可以是一个数组，它在每个种子点的坐标为1.%S也可以是单个种子。%相似地，T可以是一个数组，f中的每个位置都包含一个阈值。%T也可以是一个标量，它定义一个全局阈值。%%在输出中，...
2019-05-10 09:45:28
1997
What is a matroid.pdf
2019-07-18
Submodular video object proposal selection for semantic object segmentation
2019-07-18
Submodular Trajectories for Better Motion segmentation in videos.pdf
2019-07-18
Submodular Attribute Selection for Visual recognition
2019-07-18
Multiobject Tracking by Submodular Optimization.pdf
2019-07-18
Matroid you known.pdf
2019-07-18
Learning with Submodular Functions- A Convex Optimization Perspective
2019-07-18
Image Location Estimation by Salient region matching
2019-07-18
机器学习与计算机视觉中的子耦合组合问题
2019-07-18
A flexible framework for solving constrained ratio problems in machine learning
2019-07-18
Convex Optimization_Solutions
2019-07-18
Maximzing nonmonotone submodular functions under matroid or knapsack constraints
2019-07-18
SegNet A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation.
2019-07-18
Data Structures and Algorithms in C++.pdf
2019-07-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人