随笔分类 -  图像算法

基于神经网络的图像分类
摘要：算法描述： 神经网络图像分类算法首先通过PCA技术提取样本图像特征码与待分类图像特征码，然后将特征码送入神经网络进行训练，让神经网络学习每个类别图像的特征最后将未知类别图像送入神经网络，自动识别它的类型。步骤如下： 基于PCA技术提取每个样本的图像特征码。 根据样本特征码生成输入项，根据样本所属类别 阅读全文
posted @ 2020-03-20 16:49 King~~~ 阅读(2932) 评论(0) 推荐(0)
PCA图像特征提取算法
摘要：PCA图像特征提取算法： PCA算法基于变量协方差矩阵对信息进行压缩和处理，通常用于数据降维，可将它用于图像矩阵降维，以降维后的矩阵为基础提取图像特征。当提取的图像特征维度比较高时，为了简化计算量以及存储空间，需要对这些高维数据进行一定程度上的降维，并尽量保证数据不失真。此外，PCA算法还可以应用于 阅读全文
posted @ 2020-03-20 14:58 King~~~ 阅读(2384) 评论(0) 推荐(0)
图像分类
摘要：小贴士： 图像分类的算法过程如下： 准备样本图像。样本图像的要求是：能代表所属类别种尽可能多的图像。 提取每个样本的特征后，形成类别特征码。 应用机器学习算法对类别特征进行学习，提取特征码包含的图像知识。 判断位置图像所属类别。 余弦相似度： 余弦相似度是通过测量两个向量内积空间的夹角的余弦值类度量 阅读全文
posted @ 2020-03-17 22:43 King~~~ 阅读(905) 评论(0) 推荐(0)
图像匹配
摘要：差分矩阵求和： 差分算法的核心在于差分矩阵，实质为差异矩阵，计算公式： 差分矩阵 = 图像A矩阵数据 - 图像B矩阵数据 算法描述：首先，计算两个图像的矩阵数据之间的差异分析图像的相似性；然后，设置一个阀值进行比较，如果差分矩阵的所有元素之和在阀值以内，则表示这两张图像是相似的，且描述统一物体。另外 阅读全文
posted @ 2020-03-15 17:42 King~~~ 阅读(360) 评论(0) 推荐(0)
图像匹配
摘要：图像匹配： 图像匹配算法是基于限度的比较和计算来实现的方法。 1.差分矩阵求和： 差分算法的核心在于差分矩阵，实质为差异矩阵，计算公式恩简单： 差分矩阵 = 图像A矩阵数据 - 图像B矩阵数据 详解： 首先，计算两个图像的矩阵数据之间差异分析图像的相似性；然后，设置一个阀值进行比较，如果差分矩阵的所 阅读全文
posted @ 2020-03-13 23:31 King~~~ 阅读(571) 评论(0) 推荐(0)
图像边缘算法
摘要：图像矩阵： 数字图像数据可以用矩阵来表示，因此可以采用矩阵理论和矩阵算法对数字图像进行分析和处理。由于数字图像可以表示为矩阵的形式，所以在计算机数字图像处理程序中，通常用二维数组来存放图像数据。 算法描述： 将当前像素与邻接的下部和又不的图像进行比较，如果相似，则将当前像素设为白色，否则设置为黑色。 阅读全文
posted @ 2020-03-13 23:10 King~~~ 阅读(622) 评论(0) 推荐(0)
图像灰度化与图像加噪
摘要：1.图像灰度化。彩色图像中的每个像素的颜色有R,G,B三个分量决定，而每个分量的取值范围为0 ~ 255。而灰度图像是R,GB三个分量相同的一种特殊的彩色图像，算法有两种： 1)求每个像素点的R,G,B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。 2)根据RGB和和YUY颜色控件的变 阅读全文
posted @ 2020-03-13 15:12 King~~~ 阅读(842) 评论(0) 推荐(0)
图像融合与图像镜像
摘要：1.图像融合。将新图像的每个像素称为两个原图像中对应像素的平均值之和，即：将两个图像的像素值去50%后相加。为简化计算直接选取其中一个原图像做为新图像，设新图像矩阵为myimg2. for y in range(0,sz2): for x in range(0,sz1): myimg2[y, x, 阅读全文
posted @ 2020-03-13 13:12 King~~~ 阅读(398) 评论(0) 推荐(0)
图像基础
摘要：OpenCV作为跨平台的计算机视觉库，拥有包括500多个跨平台图像处理的中，高层API，对图像像素的读写很容易。 导入方式： import cv2 OpenCV函数对像素点的读写操作可理解为对图像矩阵的存取。OpenCV图像矩阵中每个像素点的值有蓝色值，绿色值，红色值3个部分组成，三色值组合成一个一 阅读全文
posted @ 2020-03-12 18:22 King~~~ 阅读(203) 评论(0) 推荐(0)