随笔分类 -  图像处理

上一页 1 ··· 4 5 6 7 8 9 下一页
摘要:image rectification 图像校正 在配准时,先找到特征点,找到特征点后剔除伪匹配点。 然后针对两幅图像做几何矫正(一般通过估计出来的仿射矩阵完成)。这部完成后,图像可以匹配了,但是两幅图像的拍摄条件和光照不一致。 找到合适的权重将两幅图像融合这个问题就比较难了。 显然平均融合应该不理 阅读全文
posted @ 2018-04-19 13:50 ostartech 阅读(1797) 评论(0) 推荐(0)
摘要:编码曝光知识 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/8276362.html 假设曝光时间0.2s,在曝光时间内走过的像素点数为为25,均匀分成9份,分别走过的像素点为1 1 2 2 3 3 4 4 5, 则设计36位编码为 阅读全文
posted @ 2018-01-12 18:11 ostartech 阅读(2551) 评论(1) 推荐(0)
摘要:编码曝光主要可以去除运动模糊: 编码相机采集到的运动模糊图像的模糊核函数相当于进行了时间抽样操作,而时域的抽样会造成频域的混叠效应,因此模糊核函数的作用从低通滤波器转变为带通滤波器,这一点与通信专业中的扩频技术很类似。 从而,模糊核函数的傅里叶变换中的零点被消除了,使得高频信息保留在了采集到的运动模 阅读全文
posted @ 2018-01-12 16:12 ostartech 阅读(1115) 评论(0) 推荐(0)
摘要:卷积的应用 用一个模板和一幅图像进行卷积,对于图像上的一个点,让模板的原点和该点重合,然后模板上的点和图像上对应的点相乘,然后各点的积相加,就得到了该点的卷积值。对图像上的每个点都这样处理。由于大多数模板都是对称的,所以模板不旋转。卷积是一种积分运算,用来求两个曲线重叠区域面积。可以看作加权求和,可 阅读全文
posted @ 2017-11-21 18:42 ostartech 阅读(339) 评论(0) 推荐(0)
摘要:腾讯QQ空间超分辨率技术TSR:为用户节省3/4流量,处理效果和速度超谷歌RAISR 雷锋网AI科技评论: 随着移动端屏幕分辨率越来越高,甚至像iPhone更有所谓的“视网膜屏”,人们对高清图片的诉求也随之越来越大。在QQ 、QQ空间、微博、微信等社交平台,人们常乐于发送和浏览数兆的高清图片,以获得 阅读全文
posted @ 2017-11-17 00:03 ostartech 阅读(1730) 评论(0) 推荐(0)
摘要:基于字典的图像超分辨率实现 - CSDN博客 http://blog.csdn.net/u011630458/article/details/65635155 简介 基本原理 预处理 非稀疏字典处理 方法一 方法二 稀疏字典处理 效果演示 阅读全文
posted @ 2017-10-26 20:14 ostartech 阅读(2090) 评论(0) 推荐(0)
摘要:使用稀疏编码的优点:学习到有用信息特征。 【图文】深度学习稀疏编码教程_百度文库 https://wenku.baidu.com/view/27caf261bcd126fff7050b8d.html 阅读全文
posted @ 2017-10-25 00:15 ostartech 阅读(1178) 评论(0) 推荐(0)
摘要:Main Page - Ufldl http://deeplearning.stanford.edu/wiki/index.php/Main_Page 卷积特征提取—处理大型图像 - CSDN博客 http://blog.csdn.net/u013884378/article/details/217 阅读全文
posted @ 2017-10-23 00:34 ostartech 阅读(2470) 评论(0) 推荐(0)
摘要:研究领域总结(一):稀疏——字典学习 - aezero - 博客园 http://www.cnblogs.com/aezero/p/4823423.html Pre: 面试发现自己老讲不条理自己的研究工作,还是要先梳理下。鉴于motivation,本文是侧重结构化的15分钟talk draft,而非 阅读全文
posted @ 2017-10-22 11:14 ostartech 阅读(1295) 评论(0) 推荐(0)
摘要:深度学习中潜藏的稀疏表达 Deep Networks for Image Super-Resolution with Sparse Prior http://www.ifp.illinois.edu/~dingliu2/iccv15/ 浅谈深度学习中潜藏的稀疏表达 | 统计之都 https://co 阅读全文
posted @ 2017-10-21 17:47 ostartech 阅读(1017) 评论(0) 推荐(0)
摘要:ICCV ICCV 的全称是 IEEE International Conference on Computer Vision,国际计算机视觉大会,是计算机视觉方向的三大顶级会议之一,通常每两年召开一次,2005 年 10 月曾经在北京召开。 会议收录论文的内容包括:底层视觉与感知,颜色、光照与纹理 阅读全文
posted @ 2017-10-21 17:41 ostartech 阅读(8132) 评论(2) 推荐(0)
摘要:DRCN http://www.drcn.org/ The International Workshop on Design of Reliable Communication Networks (DRCN) 2016年10月转: image super-resolution分类_DavFrank_ 阅读全文
posted @ 2017-10-21 17:23 ostartech 阅读(1257) 评论(2) 推荐(0)
摘要:计算机视觉中的边缘检测 边缘检测是计算机视觉中最重要的概念之一。这是一个很直观的概念,在一个图像上运行图像检测应该只输出边缘,与素描比较相似。我的目标不仅是清晰地解释边缘检测是怎样工作的,同时也提供一个新而又容易的方法只需要最小工作来明显地提高边缘检测。 通过获得这些边缘,许多计算机算法才得以有可能 阅读全文
posted @ 2017-10-20 18:16 ostartech 阅读(2185) 评论(0) 推荐(1)
摘要:sobel算子 - sophia_hxw - 博客园 http://www.cnblogs.com/sophia-hxw/p/6088035.html #1,个人理解 网上查了很多资料,都说sobel算子是用来检测边缘的,分别给了两个方向上的卷积核,然后说明做法,就说这就是sobel算子。对于我个人 阅读全文
posted @ 2017-10-20 18:10 ostartech 阅读(37870) 评论(0) 推荐(2)
摘要:边缘检测 边缘是指图象中灰度发生急剧变化的区域。图象灰度的变化情况可以用灰度分布的梯度来反映,给定连续图象f(x,y),其方向导数在边缘法线方向上取得局部最大值。 图象中一点的边缘被定义为一个矢量,模为当前点最人的方向导数,方向为该角度代表的方向。通常我们只考虑其模,而不关心方向。 梯度算子 边缘检 阅读全文
posted @ 2017-10-20 18:06 ostartech 阅读(13884) 评论(0) 推荐(1)
摘要:artifacts 纰漏 个人总结不一定对:图像复原中损失高频信息的话会产生振铃效应。 理想低通滤波器在频率域的形状为矩形,那么其傅立叶逆变换在时间域为sinc函数 图像处理中,对一幅图像进行滤波处理,若选用的频域滤波器具有陡峭的变化,则会使滤波图像产生“振铃”,所谓“振铃”,就是指输出图像的灰度剧 阅读全文
posted @ 2017-10-19 15:33 ostartech 阅读(25709) 评论(0) 推荐(2)
摘要:ssim算法原理 - 我们都不是神的孩子 - CSDN博客 http://blog.csdn.net/ecnu18918079120/article/details/60149864 一、结构相似性(structural similarity) 自然图像具有极高的结构性,表现在图像的像素间存在着很强 阅读全文
posted @ 2017-10-19 15:04 ostartech 阅读(12917) 评论(0) 推荐(0)
摘要:HSV (色相hue, 饱和度saturation, 明度value), 也称HSB (B指brightness) 是艺术家们常用的,因为与加法减法混色的术语相比,使用色相,饱和度等概念描述色彩更自然直观。HSV 是RGB色彩空间的一种变形,它的内容与色彩尺度与其出处——RGB色彩空间有密切联系。HSL (色相hue, 饱和度saturation, 亮度lightness/luminance), ... 阅读全文
posted @ 2017-10-19 15:00 ostartech 阅读(6096) 评论(0) 推荐(0)
摘要:最近邻插值法的优点是计算量很小,算法也简单,因此运算速度较快。但它仅使用离待测采样点最近的像素的灰度值作为该采样点的灰度值,而没考虑其他相邻像素点的影响,因而重新采样后灰度值有明显的不连续性,图像质量损失较大,会产生明显的马赛克和锯齿现象。 双线性插值法效果要好于最近邻插值,只是计算量稍大一些,算法 阅读全文
posted @ 2017-08-28 23:28 ostartech 阅读(6964) 评论(0) 推荐(0)
摘要:均衡化处理后的图象只能是近似均匀分布。均衡化图象的动态范围扩大了,但其本质是扩大了量化间隔,而量化级别反而减少了, 因此,原来灰度不同的象素经处理后可能变的相同,形成了一片的相同灰度的区域,各区域之间有明显的边界,从而出现了伪轮廓。 如果原始图像对比度本来就很高,如果再均衡化则灰度调和,对比度降低。 阅读全文
posted @ 2017-08-25 18:05 ostartech 阅读(3652) 评论(0) 推荐(0)

上一页 1 ··· 4 5 6 7 8 9 下一页