摘要：
这里的变换公式是模拟领域的公式，这里虽然是数字图像，不过也可以这样写，YCbCr采样另外的公式。 1 clear all; 2 close all; 3 clc; 4 5 img=imread('lena_color.jpg'); 6 img=mat2gray(img); %任意区间映射到[0,1] 阅读全文
posted @ 2020-09-10 15:57
一杯清酒邀明月
阅读(617)
评论(0)
推荐(0)
摘要：
色相饱和度明度和三原色的相互转换 1 clear all; 2 close all; 3 clc; 4 5 img=imread('lena_color.jpg'); 6 img=mat2gray(img); %任意区间映射到[0,1]; 7 [m n dim]=size(img); 8 imsho 阅读全文
posted @ 2020-09-10 15:56
一杯清酒邀明月
阅读(669)
评论(0)
推荐(0)
摘要：
直方图匹配或叫做直方图规定化都可以，是把原图像的直方图按照给定的直方图加以映射，使新图像的直方图的分布类似于给定的函数。 总共有以下几步： 1.求给定的函数的累积直方图s。 2.求原图像的累积直方图G。 3.求s中每一个值在G中距离最小的位置index。 4.求原图像每个像素通过index映射到的新 阅读全文
posted @ 2020-09-10 15:55
一杯清酒邀明月
阅读(1541)
评论(0)
推荐(0)
摘要：
双边滤波模板主要有两个模板生成，第一个是高斯模板，第二个是以灰度级的差值作为函数系数生成的模板。然后这两个模板点乘就得到了最终的双边滤波模板。 第一个模板是全局模板，所以只需要生成一次。第二个模板需要对每个像素都计算一次，所以需要放到循环的里面来生成，这很像表面模糊啊。哦，表面模糊就是用了一个截尾滤 阅读全文
posted @ 2020-09-10 15:54
一杯清酒邀明月
阅读(1936)
评论(0)
推荐(0)
摘要：
其实写过一步法二值图像连通区域标记之后我就感觉这个标记和填充基本上是一回事，所以我这里就用了一步法的那个队列算法。也没什么好说的，算法几乎一样，就是细节的区别。还有这里使用了ginput函数。至于堆栈版的实现，看情况吧。 1 clear all; 2 close all; 3 clc; 4 5 im 阅读全文
posted @ 2020-09-10 15:52
一杯清酒邀明月
阅读(725)
评论(0)
推荐(0)
摘要：
我几乎完全就是照着WIKI百科上的算法实现的，不过是用Matlab而已。使用了两步法进行标记，一步法我还没怎么看。两步法中第二步是比较麻烦的，其中用到了不相交集合的一些理论，尤其是不相交集合森林，我这里的find_set函数就是参考《算法导论》311页的算法写的。如果用c++写，也许需要自己构造数据 阅读全文
posted @ 2020-09-10 15:50
一杯清酒邀明月
阅读(1392)
评论(0)
推荐(0)
摘要：
这个只需要遍历一次图像就能够完全标记了。我主要参考了WIKI和这位兄弟的博客，这两个把原理基本上该介绍的都介绍过了，我也不多说什么了。一步法代码相比两步法真是清晰又好看，似乎真的比两步法要好很多。 代码如下： 1 clear all; 2 close all; 3 clc; 4 5 img=imre 阅读全文
posted @ 2020-09-10 15:49
一杯清酒邀明月
阅读(1023)
评论(0)
推荐(0)
摘要：
霍夫变换是把原图像中的直线上的每一个点转换到参数空间对应的曲线上，由于每一个点对应一条曲线，因此在参数空间中所有曲线会相交到一个点，形成一个最值。因此原图寻找直线斜率的问题就变成了参数空间寻找最值的问题了。 代码如下： 1 clear all; 2 close all; 3 clc; 4 5 6 % 阅读全文
posted @ 2020-09-10 15:47
一杯清酒邀明月
阅读(764)
评论(0)
推荐(0)
摘要：
有好多算法早就想实现了，可是总有各种原因没有实现，这个双线性插值旋转图像就是其中之一。 之前写过最邻近插值旋转图像，结合着看效果会很好。 1 clear all; 2 close all; 3 clc; 4 5 jiaodu=45; %要旋转的角度，旋转方向为顺时针 6 img=imread('le 阅读全文
posted @ 2020-09-10 15:46
一杯清酒邀明月
阅读(1334)
评论(0)
推荐(0)
摘要：
半年前写过matlab最邻近插值的图像缩放，没怎么考虑边界问题。更早之前用Opencv写过双线性插值图像放大，不过写的比较混乱。所以这里用matlab重新再清楚的写一遍。 1 close all; 2 clear all; 3 clc; 4 5 m=1.8; %放大或缩小的高度 6 n=2.3; % 阅读全文
posted @ 2020-09-10 15:44
一杯清酒邀明月
阅读(2282)
评论(0)
推荐(0)
摘要：
关于这个meanshift，一来可以用来作为目标跟踪，二来可以用来进行图像聚类。我这里只实现了图像聚类，当然，是按自己的理解编写的程序。至于目标跟踪将来一定也是要实现的，因为我最初看这个算法的原因就是想用他来跟踪目标的。 meanshift的基本原理我就不介绍了，比起我的介绍，网上有不少牛人们比我解 阅读全文
posted @ 2020-09-10 15:42
一杯清酒邀明月
阅读(1063)
评论(0)
推荐(0)
摘要：
这个算法是Lee和Seung在1999年发表在nature杂志上的。具体论文看这里：http://www.seas.upenn.edu/~ddlee/Papers/nmf.pdf。 看不懂英文没关系，可以看这个中文的介绍：http://wenku.baidu.com/view/94c8af0bf78 阅读全文
posted @ 2020-09-10 15:40
一杯清酒邀明月
阅读(587)
评论(0)
推荐(0)
摘要：
我真是弱爆了，我原来以为边界处理用我上一篇的方法就能很好的处理了，结果效果并不好。我只是和标准的imfilter函数进行了比较，其实imfilter函数还有一些参数我没用上，比如‘replicate’,'symmetric'等，如果加上这些参数，我的效果就比不上matlab的效果了，所以这次不用上一 阅读全文
posted @ 2020-09-10 15:39
一杯清酒邀明月
阅读(391)
评论(0)
推荐(0)
摘要：
我们在写滤波程序时一般会用矩阵模板与原图像做卷积，这时候在做图像边界的处理是一般都选择忽略边缘，不过要是模板比较大，那么处理的效果就不好了，图像四周就会是原图像，中间才是滤波后的结果，虽然用Matlab的imfilter就能解决，不过还是自己通过滤波的原理实践一下比较好。 模板和图像一共有如下16种 阅读全文
posted @ 2020-09-10 15:37
一杯清酒邀明月
阅读(1081)
评论(0)
推荐(0)
摘要：
这里所谓的张量和黎曼那里的张量是不一样的，那个张量更多的用在物理上，这个张量就是矩阵的扩展。比如零阶张量就是数，一阶张量就是向量，二阶张量就是矩阵，三阶四阶就是更高维的数的集合。这个领域现在在数学上还都是很新的东西，矩阵的秩我们都知道怎么求，但是三维的张量或更高维的张量的秩现在在数学上也没有结果。至 阅读全文
posted @ 2020-09-10 15:35
一杯清酒邀明月
阅读(780)
评论(0)
推荐(0)
摘要：
介绍一下奇异值分解来压缩图像。今年的上半年中的一篇博客贴了一篇用奇异值分解处理pca问题的程序，当时用的是图像序列，是把图像序列中的不同部分分离开来。这里是用的不是图像序列了，只是单单的一幅图像，所以直接就对图像矩阵进行svd了。 吴军的《数学之美》里其实已经介绍过用svd进行大数据的压缩了，不过我 阅读全文
posted @ 2020-09-10 15:33
一杯清酒邀明月
阅读(1054)
评论(0)
推荐(1)
摘要：
1 mov=aviread('out.avi'); %读入存在e盘的电影x.avi 2 %movie(mov); %放映电影 3 4 %将电影转成图片序列 5 fnum=size(mov,2); %读取电影的祯数 6 for i=1:fnum 7 strtemp=strcat('C:\Users\t 阅读全文
posted @ 2020-09-10 15:32
一杯清酒邀明月
阅读(420)
评论(0)
推荐(0)
摘要：
1 for i=1:40 2 fname=strcat('C:\Users\tc\Desktop\test\1 (',int2str(i),').bmp'); 3 im(:,:,i)=imread(fname); 4 imshow(im(:,:,i)) 5 M(i) = getframe; 6 en 阅读全文
posted @ 2020-09-10 15:30
一杯清酒邀明月
阅读(292)
评论(0)
推荐(0)
摘要：
HSoptflow.m 1 function [us,vs] = HSoptflow(Xrgb,n) 2 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 3 % Author: Gregory Power gregory.p 阅读全文
posted @ 2020-09-10 15:29
一杯清酒邀明月
阅读(721)
评论(0)
推荐(0)
摘要：
1 clear all; 2 close all; 3 clc; 4 n=40; 5 6 point=load('point.mat'); 7 current_point=point.point; 8 9 plot(current_point(:,1),current_point(:,2),'r') 阅读全文
posted @ 2020-09-10 15:28
一杯清酒邀明月
阅读(537)
评论(0)
推荐(0)
浙公网安备 33010602011771号