计算机视觉(三)未有深度学习之前

图像分割

  • 把图像划分成若干互不相交的区域。
  • 经典的数字图像分割算法一般是基于灰度值的两个基本特征之一:不连续性和相似性。

基于阈值、基于边缘

  • 基于阈值:基于图像灰度特征计算一个或多个灰度阈值。将灰度值与阈值比较,最后将比较结果分到合适的类别中。

  • 在这里插入图片描述
    大津法

  • 基于边缘:边界线上连续的像素点集合,是图像局部特征不连续性的反映。体现灰度、颜色、纹理等图像特征的突变。

在这里插入图片描述

基于区域、基于图论

  • 区域分割:
    - 区域生长法
    在这里插入图片描述
    - 分水岭算法
    在这里插入图片描述
  • 图论分割
    - Graph Cuts分割
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述在这里插入图片描述
    - 先取两个种子点(前景和背景)
    - 然后建立一个图,途中边的粗细表示对应权值的大小
    - 然后找到权值和最小边的组合
    - 完成图像分割的功能
    在这里插入图片描述
    - GrabCut分割
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • 物体分割
    在这里插入图片描述
    在这里插入图片描述

人脸检测

Haar-like特征+级联分类器

表示人来云某些特征
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

行人检测

HOG+SVM

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

DPM

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/m0_60634555/article/details/131911781