LBP局部二值模式 LBP局部二值模式 算法过程 局部二值模式是一种用于提取图像纹理特征的算法，可以对图像的局部纹理特征进行描述。具体过程如下： 将图像转化为灰度图像。 选择一个像素点，以该像素点为中心，选取一定大小的局部区域。 计算邻域内每个像素点与中心像素点的灰度值差异，将灰度值差异转化为二进制码，得到一个二进制序列。 将得到的二进制序列转化为十进制数，作为该像素点的LBP值。 对图像中的每个…

暗通道先验 暗通道先验 暗通道先验算法是一种简单但有效的图像去雾算法。暗通道先验是一种对无雾户外图像的统计。该算法基于一项观察-无雾户外图像中大多数局部块中包含一些像素点，这些像素至少在一个颜色通道中具有非常低的强度。将此先验与雾霾成像模型结合使用，我们可以直接估计雾霾的厚度并恢复高质量的无雾图像。 在计算机视觉和计算机图像学中，广泛用于描述雾霾图像形成的模型如下： 上式中是观察到的强度，是场景辐…

图像处理（6）-傅立叶变换在图像处理中的应用、短时傅立叶变换与小波变换 图像处理（6）-傅立叶变换在图像处理中的应用、短时傅立叶变换与小波变换 7.3 傅里叶变换在图像处理中的应用 傅里叶变换的实质是将一个信号分离为无穷多个正弦/复指数信号的加成，也就是说，把信号变成正弦信号相加的形式——既然是无穷多个信号相加，那对于非周期信号来说，每个信号的加权应该都是零——但有密度上的差别，你可以对比概率论中…

图像处理（4）-傅立叶变换 图像处理（4）-傅立叶变换 7. 傅里叶变换 7.1 理解傅里叶分析（摘自知乎专栏） 以下内容摘自作者韩昊发在知乎上的傅里叶分析之掐死教程 知乎：Heinrich 微博：@花生油工人 7.1.1 什么是频域 从我们出生，我们看到的世界都以时间贯穿，世间唯一不变的就是万事万物都在变化，而且都是在时间轴上发生变化。这种以时间作为参照来观察动态世界的方法我们称其为时域分析。我…

图像预处理（3）-图像金字塔 图像预处理（3）-图像金字塔 6. 图像金字塔 图像金字塔实际上是一张图片在不同尺度下的集合，即原图的上采样和下采样。常见的图像金字塔包括高斯金字塔和拉普拉斯金字塔，但是也有一些其他算法衍生的金字塔，并不一定要高斯模糊，可以根据自身的应用场景来进行定义。 图像金字塔时图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。图像金…

图像预处理（2）-滤波处理 图像预处理（2）-滤波处理 5. 各种滤波 5.1 线性滤波 线性滤波包括：方框滤波，均值滤波，高斯滤波。总的来说，这三种线性滤波原理：每个像素的输出值是输入像素的加权和。其处理方式都是将图像像素与相应的核进行卷积，核即是权重，其作用是将原图像素按权重进行分配。 5.1.1 方框滤波和均值滤波的卷积核 如下所示，k即为方框滤波的核，可以看到无论a为何值，矩阵内的每一个元…

图像聚类方法整理-基于密度的聚类方法 图像聚类方法整理-基于密度的聚类方法 K-means系算法对于凸性数据具有良好的效果，能够根据距离来讲数据分为球状类的簇，但对于非凸形状的数据点就有些无能为力了，当K-means算法在环形数据的聚类时，分类效果如下所示：   1. DBSCAN 从上图可以看出，K-means聚类产生了错误的结果，这个时候就需要用到基于密度的聚类方法了，该方法需要定义…

图像聚类方法整理-划分式聚类方法 图像聚类方法整理-划分式聚类方法 划分式聚类方法需要事先指定簇类的数目或者聚类中心，通过反复迭代，直到最后达到“簇内的点足够近，簇间的点足够远”的目标。经典的划分式聚类方法有K-means及其变体K-means++、bi-Kmeans、kernel K-means等 1. K-means 1.1 经典的K-means算法的流程如下： 选择初始化的个样本作为初始聚类…

OpenCV笔记-图像预处理1 OpenCV笔记 一. 图像预处理   1. 图像显示与存储 1.1 颜色空间   颜色空间（RGB） 加法混色 三通道：RGB 一个像素的颜色值：（b,g,r） 取值范围：[0,255] or [0.0,1.0] 颜色空间（CMY(K)） 减法混色，用于印刷 四通道 Cyan通道 Magenta通道 Yellow通道 black通道（key通道…

用于图像的聚类方法整理-前置过程 用于图像的聚类方法整理-前置过程 聚类（Clustering）：指按照某个特定的标准把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，不在同一个簇中的数据对象的差异性也尽可能地大；聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。 完整的聚类过程： 数据准备：特征标准化、降维 特征选择：从最初的特征中选择最有效的特征，并将其存储在向量…