图像处理相关总结

Mecanim

简单做了个总结，参考的是图像处理100题，里边有python和c++实现，好像python版本的有几道题有点问题，当时练习的时候忘了挑出来了。
github地址贴上：https://github.com/gzr2017/ImageProcessing100Wen

低通滤波降噪，高通滤波边缘检测图像中高频部分指的是颜色变化明显的部分（噪声或者轮廓等），低频指的是颜色不怎么变化的过程。去除高频部分保留低频部分使用低通滤波，高通滤波类推。带通滤波指的是保留介于低频和高频之间的成分图像的峰值信噪比用来衡量图像损失程度，信噪比越大，损失越小。常见的边缘检测算子：Canny算子，Laplacian算子，Sobel算子，min-max滤波， prewitt滤波，差分滤波，Hough变换检测直线和圆图像分割：阈值分割算法，区域分割算法：区域生长法，分裂合并法，空间聚类法图像的膨胀操作：扩大灰度图白色部分图像的腐蚀操作：扩大图像中黑色部分开运算：可以去除仅存的小块像素，先进行N次腐蚀，在进行N次膨胀（二值化后使用）闭运算：可以将中断的像素连起来，先进行N次膨胀，在进行N次腐蚀（边缘检测后使用）形态学梯度为：膨胀后图像与腐蚀后图像的差值，用于抽出物体的边缘顶帽：原图（二值化后的图）与开运算图像的差，可提取细线部分或者噪声黑帽：原图（二值化后的图）与闭运算图像的差，可提取细线部分或者噪声模式匹配：寻找待匹配图像和全体图像中最相似的部分，用于物体检测任务。常见的模式匹配算法：误差平方和算法，绝对值差和算法，归一化交叉相关，零均值归一化交叉相关进行模式匹配。透明混合（图像增强中可能会用到）图像的细化处理：将图像线条设置为1的过程，用于细化的算法有Hilditch算法，Zhang-Suen算法，田村算法图像的方向梯度直方图（Hog特征量）：图像识别，检测的传统做法是先提取hog特征，在进行识别和检测图像的放大缩小使用线性插值的方法，常用的差值方法有最近邻插值、双线性插值，双三次插值。使用差分金字塔提取图像高频部分，例如先将图像缩小至0.5倍，然后再扩大两倍，最后求原图和放大后的图像差值，然后正规化到[0, 255]。可求得图像的高频部分，即边缘高斯金字塔就是将图像缩小后堆叠起来显著图是将图像中最吸引人的部分突出表现出来，求出高斯金字塔两两图像之差，将所有差值求和，并规范到[0, 255]。（具体可以看一下图像处理100题中76题是怎么进行图像差值的，因为金字塔的图像大小不一样，这里先进行了放大操作？）Gabor滤波进行特定方向上的提取边缘，它是一种结合了高斯分布和频率变换的滤波器。角点检测：角点检测是检测边缘上的角点，常见的角点检测算法有，Hessian角点检测，Harris角点检测。简单图像识别：可以利用图像的颜色直方图进行简单的图像识别，先进行减色处理，计算待预测图像的的减色柱状图（即统计像素出现的次数），与训练图像的减色直方图，计算两者直方图的差，可认为待识别图像与具有相似颜色的图像为一类。上一步中讲到了减色处理，还可以使用k-means聚类算法进行减色处理。