FishL

摘要： 本章的大多数分割算法都基于图像灰度值的两个基本性质之一：不连续性和相似性。第一类方法根据灰度的突变（如边缘）将图像分割为多个区域；第二类方法根据一组预定义的准则把一幅图像分割为多个区域。上一节采用第一类方法首先寻找边缘线段，然后将这些线段连接为边界的方法来识别区域。本节讨论根据灰度值或灰度值的性质来 阅读全文

摘要： 已知一幅图像中的n个点，假设我们希望找到这些点中位于直线上的子集。一种可能的解决方法是，首先找到由每对点确定的所有直线，然后寻找靠近特定直线的那些点的所有子集。这种方法涉及寻找n(n-1)/2~n2条直线，然后将每个点与所有直线执行n(n(n-1))/2~n3次比较。在大多数应用中，这都是一项困难的 阅读全文

摘要： Canny边缘检测是Canny在1986年提出来的，目前仍是图像边缘检测算法中最经典、先进的算法之一。canny方法基于如下三个基本目标： 1. 低错误率：所有边缘都应被找到，并且不应有虚假响应。 2. 最优定位：已定位的边缘必须尽可能接近真实边缘 。也就是说，由检测子标记为边缘的一点和真实边缘的中 阅读全文

摘要： 形态学处理相同，图像分割操作的输入是图像，输出是从图像中提取出来的属性。本章的大多数分割算法都基于图像灰度值的两个基本性质之一：不连续性和相似性。第一类方法根据灰度的突变（如边缘）将图像分割为多个区域；第二类方法根据一组预定义的准则把一幅图像分割为多个区域。本节的重点是以灰度局部剧烈变化检测为基础的 阅读全文

摘要： 迄今为止讨论的形态学概念只涉及一幅图像和一个或多个结构元。本节讨论一种强大的形态学变换，即形态学重建。形态学重建涉及两幅图像和一个结构元：一幅图像是标记，我们用 F 来表示，它包含重建的起点；另一幅图像是模板，我们用 G来表示，它用来约束重建；结构元用于定义连通性。对于二维应用，连通性通常定义为 8 阅读全文

摘要： 形态学图像处理是指，以数学形态学为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等，以及预处理或后处理的形态学技术，如形态学滤波、细化和修剪等。形态学运算时用集合来定义的。在图像处理中，我们使用两类像素集合的形态学：目标元素和结构元（SE）。通常，目标定义为前景像素元素集合。结 阅读全文

摘要： 形态学图像处理是指，以数学形态学为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等，以及预处理或后处理的形态学技术，如形态学滤波、细化和修剪等。形态学运算时用集合来定义的。在图像处理中，我们使用两类像素集合的形态学：目标元素和结构元（SE）。通常，目标定义为前景像素元素集合。结 阅读全文

摘要： 大多数情况下，适当提出你的 classes（和 class templates）定义以及 functions（和 function templates）声明，是花费最多心力的两件事。一旦正确完成它们，相应的实现大多直截了当。尽管如此，还是有些东西需要小心。太快定义变量可能造成效率上的延迟；过度使用转 阅读全文

摘要： wap是个有趣的函数。原本它只是STL的一部分，而后成为异常安全性编程的脊柱，以及用来实现自我赋值可能性的一个常见机制。所谓swap两对象值，就是将两对象的值交换。 典型实现 缺省情况下的swap动作可有标准库提供的swap算法完成： namespace std{ template<typename 阅读全文

摘要： 【图像处理笔记】总目录 1. 空间域 图像增强的目的主要包括：①消除噪声，改善图像的视觉效果；②突出边缘，有利于识别和处理。空间域指的是图像平面本身，空间域中的图像处理方法直接对图像中的像素进行处理。表达式为: g(x, y) = T[f(x, y)], 式中，f(x,y)是输入图像，g(x,y)是 阅读全文