写在前面 再过2个小时,就是2020年了,回顾2019,有得也必有失,只感叹时间过得真的很快,像我这样的贫困人口也要被消灭了,哈哈。2019最后这2个小时就用一篇博客作为结尾吧。 昨天CSDN上一位同学说他们要做一个豆子识别的任务,但是豆子之间的粘连比较严重,如下图,不利于豆子的识别,问我有什么方法可以解决,当然深度学习完全可以做到完美分割与识别,但是他的需求只是预处理,传统的图像处理就可以,
很有意思,现在家家户户的老旧闲置手机太多了,这里提供了一种变废为宝的方法。不会传视频,请看链接:https://tieba.baidu.com/p/8171205345https://tieba.baidu.com/p/8171206776大家可以聊一聊啊,老旧闲置手机还有什么用处呢,比如用这种方法还可以做扫地机器人啊,智能窗帘啊什么的。这种方法成本很低哦。UP主:https://space.bi
写在前面 从均值滤波开始,着手实现各种常用的滤波算法。均值滤波是一种线性滤波。图像的空域滤波无非分为两种,线性滤波和非线性滤波。由于我之前对线性、非线性理解不够清晰,这次就好好总结一下吧。 线性滤波:对邻域中的像素的计算为线性运算时,如利用窗口函数进行平滑加权求和的运算,或者某种卷积运算,都可以称为线性滤波。常见的线性滤波有:均值滤波、高斯滤波、盒子滤波、拉普拉斯滤波等等,通常线性滤波器之间只
github地址:https://github.com/2209520576/Image-Processing-Algorithm 首先感谢大牛博客:http://handspeaker.iteye.com/blog/1545126 https://www.cnblogs.com/yssongest/p/5303151.html
写在前面 中值滤波器是一种非线性滤波器,或者叫统计排序滤波器。 应用:中值滤波对脉冲噪声(如椒盐噪声)的抑制十分有用。 缺点:易造成图像的不连续性。 原理 原理很简单,如果一个信号是平缓变化的,那么某一点的输出值可以用这点的某个大小的邻域内的所有值的统计中值来代替。这个邻域在信号处理领域称之为窗(window)或者模板(Mask)。模板开的越大,输出的结果就越平滑,但也可能会把我们有用的
github地址:https://github.com/2209520576/Image-Processing-Algorithm 图像的缩放很好理解,就是图像的放大和缩小。传统的绘画工具中,有一种叫做“放大尺”的绘画工具,画家常用它来放大图画。当然,在计算机上,我们不再需要用放大尺去放大或缩小图像了,把这个工作交给程序来完成就可以了。下面就来讲讲计算机怎么来放大缩小图象;在本文中,我们所说的图
最近由于作业原因,试着用OpenCV实现频率域滤波,但是OpenCV中并没有像MATLAB中fftshift这样的中心化操作,所以我写了一个频率域滤波的函数,以后用频率域滤波的时候在主函数中调用即可。当然,水平有限,编写的代码并不优美,有问题请大家留言批评指正。 在这里我不介绍傅里叶变换,频率域滤波和高斯低通滤波器的原理,想必大家已经有了大概了解,本文关注于OpenCV中的代码实现。
github地址:https://github.com/2209520576/Image-Processing-Algorithm 一.写在前面 几何空间变换是图像处理中的最基础的算法,主要包括图像的旋转,平移,缩放,偏移,组合变换等等,在冈萨雷斯的数字图像处理第三版的第二章就做了相关介绍,最常用的空间坐标变换之一就是仿射变换。虽然仿射变换很基础,但作用还是很大的,例如在车牌识别的预处理
写在前面 在实际应用中,效率是不得不考虑的问题。上一篇博客介绍了均值滤波原理,这一篇就写用积分图实现的快速均值滤波吧。 还是贴一下常规与快速的效率对比吧: 下图是常规均值滤波处理一张分辨率为485*528图像的时间(模板15*15): 下图是积分图快速均值滤波处理的时间(模板15*15): 可以说加速后,速度提升很多。而且最重要的是,用积分图的快速均值滤波受模板变化的影响不大!!
写在前面先交代下代码实现的技术细节吧。 1、在最后的代码里,图像反转,对数变换方法1,对比度拉伸,比特平面分层的实现均采用指针访问像素的方式,以前总是用Opencv的at模板,但是指针最为高效,我还是用一下指针吧。当然,还有迭代器访问的方式,也是最为安全的方式,以后试一下。访问元素的方式常用的有四种,详情可以参考:https://www.cnblogs.com/ronny/p/opencv_ro
1. equalizeHist定义 OpenCV官方文档:equalizeHist void equalizeHist( InputArray src, //8位单通道图像 OutputArray dst //与源图像尺寸和类型一致 ); void equalizeHist( InputArray src, //8位单通道图像 OutputArray dst //与源
1. 函数定义 void warpPolar( InputArray src, OutputArray dst, Size dsize, Point2f center, double maxRadius, int flags ); dsize: 目标图像尺寸 center:变换中心(圆心) maxRadius:要变换的圆形的半径,
内容列表 1. 函数定义 1.1 filter2D 1.2 sepFilter2D 1.3 分解卷积核的好处 2. 生成卷积核 1. 函数定义 1.1 filter2D OpenCV官方文档filter2D 图像与内核的卷积。 函数在图像上应用任意线型滤波器。 支持就地调用 void filter2D( InputArray
1. 函数定义 1.1 getDerivKernel OpenCV官方文档getDerivKernel void getDerivKernels( OutputArray kx, OutputArray kx, int dx, int dy, int ksize, bool normalize = false, int ktype =
1. 函数 1.1 getStructuringElement OpenCV官方文档getStructuringElement链接 getStructuringElement 是为了给形态学操作算子返回指定大小和形状的结构元素。 当然你也可以自己构造一个任意的二进制掩码,并将其用作形态学处理函数的结构元素。 Mat getStructuringElement( int
内容列表 1. 函数定义 1.1 声明 1.2 重要参数解析 2. 例程 2.1 处理效果 原图 在x,y方向分别求导 如果两个方向一起求导,结果会如何呢? dx的值为1和2有什么区别呢? 参数scale对结果的影响 参数delta对结果的影响 SCHARR和Scharr 2.2 代码 1. 函数定义 1.1 声
作者:@阿利同学,邮箱:1309399183@qq.com 看到许多小伙伴想进行图像去雨,图像去雾的任务,由于以前进行了此类项目,所以在此书写博客进行交流。代码获取 去雨前言 从静止图像中去除雨水是一项复杂且具有挑战性的任务。雨滴仅影响图像的很小区域,因此导致确定应考虑哪个区域和不应考虑哪个区域的混乱。在本文中,已经实现了一种新技术,该技术有效地使用L0梯度最小化方法来去除雨
作者:@阿利同学,邮箱1309399183@qq.com 车道线识别效果 车道线识别方法 当我们开车时,我们用眼睛来决定去哪里。道路上显示车道位置的线作为我们将车辆转向的恒定参考。自然,在开发自动驾驶汽车时,我们首先要做的事情之一就是使用算法自动检测车道线。 对于这个项目,一篇优秀的文章应该对项目标准的“反思”部分做出详细的回应。反射有三个部分:1.描述线条2.确定任何缺点3.
作者@阿利同学,邮箱:1309399183@qq.com 1.主要内容和目标本文讲述如何运用代码来将迷糊图像进行复原,以达到清晰图像以及细节增强的目的。首先呈现了前后对比图,左图为模糊原图,右图为复原图像。(不只是用在二值图像) 2.代码讲述 ```python def multiScaleSharpen(img ,radius): h,w,chan = img.shape
参考信息 pyrealsense2 documentation 官方示例 示例代码 import numpy as np import cv2 import matplotlib.pyplot as plt import random import pyrealsense2 as rs bagfile = 'realsense/record/20200901.ba
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信