随笔分类 - 图像处理&CV
Digital Image Processing and Computer Vision
摘要："UijlingsIJCV2013, Selective Search For Object Recognition" "code" 算法思想 利用分割算法将图片细分成很多region, 或超像素. 在这个基础上, 将邻近的相似region融合起来. 聚合过程中得到的region作为proposal
阅读全文
摘要：Notes on "Efficient Graph Based Image Segmentation" 算法的目标 按照一种确定的标准, 将图片分割成细粒度的语义区域, 即Super pixel. 算法步骤 预处理. 将图片转换为undirected graph: $G(V, E)$: 每一个像素都
阅读全文
摘要：HSV 相比于面向机器的RGB, HSV或HSI更贴近于人对颜色的描述: H: Hue, 颜色本身 S: Saturation, 纯色被白色稀释的程度. V: Value, 或I, Intensity. 与颜色类型无关的光强度. HSV 与RGB可以相互转换 将black white 的虚线作为中心
阅读全文
摘要：CMY 发光物体和反光物体产生颜色的机制不同. 前者指光源光, 它的颜色由发光波长决定. 后者指不能发光但却能表现出颜色的物体, 例如色素. 色素的颜色由它不能吸收的光的波长决定. 比如红色色素, 除了红色光对应的波长(范围), 其余的光都被它吸收了. 打印机使用色素染色, 为让人眼感知到RGB三种
阅读全文
摘要：RGB是面向机器的一种颜色空间. 虽然它表示$256 \times 256 \times 256$种不同的颜色, 但在实际中, 大部分机器都只实现了256种颜色. 安全色(Safe RGB colors)是对系统/机器不敏感的色彩(每种系统/机器都会实现它们), 又被称作all systems sa
阅读全文
摘要：Perimeter 边界长度. 计算方式跟边界的表示方式有关 Area 包含的点的个数 Compactness 两种常用的计算方式 1. $\frac {perimeter^2}{area}$. 2. circularity ratio = $\frac {\text{area}}{\text{ar
阅读全文
摘要：用所有属于boundary的点来表示boundary, 有两个主要的缺点, 一是数据量大, 二是对噪声敏感. 用boundary的一些representation而非精确的boundary本身来表示boundary, 不仅可以在一定程度上解决这两个问题, 还可以更方便的将boundary信息用于其他
阅读全文
摘要：又一个精妙的算法. 输入: 组成一个region, 或者它的boundary的点集$P$ 输出: 这个region 顺时针(或相反)的有序排列的边界点. 算法详细: 见图. 详见 DIP 11.1. 要点: 1. 将图片预处理为0 1mask, 并在四周padding上0, 以处理与边界重合的bou
阅读全文
摘要：两类特征 外部特征(external characteristics), 如boundary 内部特征(internal characteristics), 如像素, color, texture. 当对region的shape感兴趣时, 使用外部特征. 否则内部特征
阅读全文
摘要：读完10.4 Region Based Segmentation这一小节, 新get到的且需要留意的知识点: Region Spltting and Merging, quadtrees Watershed 算法里的几个概念: regional minima points: 一个region里的最低
阅读全文
摘要：因为噪声的存在, 检测出来的edge points有很多都是不相邻的. 所以边缘检测算法通常都有最后的连接步骤: 将属于同一edge的不相邻点连接起来(TODO, 是用一条路径将它们连通, 把路径中的点也作为边缘点吗?) Local Processing 最naive的做法就是检查每个已检测出边缘点
阅读全文
摘要：Canny边缘检测算法有自己的理论和经验性的推导, 没仔细看/没看明白. 它的步骤如下: 1. 对原图的灰度图进行高斯滤波 2. 求一阶导数, 得到每个像素点的梯度强度和方向. 3. 非最大抑制. 对每个edge candidate像素点, 在它的edge方向上, 它的$3\times 3$邻域内,
阅读全文
摘要：intensity梯度值分布跟图片的大小有关, 比如将一张小图片放大后会变得很模糊, 原先清晰的edge, 即大的梯度值变得模糊. 但是原有的边缘通常还是肉眼可分辨的. 但用Sobel 算子可能就检测不出来的. 为了应付不同scale与blur程度图片的边缘检测, 检测算子需要能大能小, 大的用于检
阅读全文
摘要：之前已经说过, 一阶和二阶导数都可以用来检测边缘(计算梯度值(gradient)), 但二阶导数对噪声更敏感, 所以, 相比而言, 一阶算子在edge detection中用的更广泛, 如Sobel 算子. 检测水平与垂直方向梯度的算子 检测对角线方向梯度的算子 Prewitt算子与Sobel算子都
阅读全文
摘要：三种edge 1. Step (阶梯) 2. Ramp (坡) 3. Roof 因为噪声的存在, ramp edge是最常见的. 一阶和二阶算子在ramp edge处的表现 一阶和二阶算子对噪声的敏感性 从上自下, 高斯噪声的方差分别为0, 0.1, 1, 10. 所以在进行edge detecti
阅读全文
摘要：多元函数的二阶导数又称为Laplacian算子: $$ \triangledown f(x, y) = \frac {\partial^2 f}{\partial x^2} + \frac {\partial^2 f}{\partial y^2} $$ 对于图像上的离散$f(x, y)$: $$ \
阅读全文
摘要：一阶导数与二阶导数的计算 图像$I$可以看作$(x, y) \in N^2 \to N$的映射: $i = f(x, y)$. 其中$N$为正整数.很明显$f$在定义域上是不连续的. 不连续函数$f(x, y)$的导数, 严格来说不算能算作导数, 只是形式上与真正的导数相似. 取$\Delta x
阅读全文
摘要：Definition 图像分割将一张图分为$n$个region, 需要满足下面5个条件 1. 每一个像素都要属于一个region 1. 每个region都是连通的 1. region与region之间没有交集 1. region内像素点具有相同的目标性质 1. 不相邻的region的像素点目标性质不
阅读全文
摘要：什么是仿射变换? Affine Transformation.任意由线性变换(矩阵乘法)+向量加法操作构成的变换操作. 包括平移(Translation), Rescale(放缩), Rotate(旋转). 仿射变换的视觉特点是: 原图中平行的线在变换后图片中仍然平行. (而透视变换Perspect
阅读全文
摘要：What? 对原图进行不同scale的resize操作得到包括原图在内的一系列不同大小的图片, 可组成图像的金字塔模型. 从塔顶到塔底, 从粗糙到精细. For What? 应对目标物体大小不确定的情况 节省计算资源.
阅读全文
浙公网安备 33010602011771号