本論文では、概要を示します。
コンピュータビジョン(以下CVと呼ぶ)の概要
第二に、画像前処理
O映像表示及び保存の原則(わずかに)
Oイメージエンハンスメント目標
画像処理方法O
に基づく:O点動作のヒストグラムコントラスト強調
モルフォロジー処理(略す)O
畳み込み:空間領域処理O
畳み込みアプリケーション(平滑化、エッジ検出、シャープ、等)O
Oの周波数領域処理:フーリエフーリエ変換、ウェーブレット変換(わずかに)
O用途:
平滑化、エッジ検出、等CLAHE
、CV研究内容:
次回の更新は、記事の内容に含まれます:
第二に、画像前処理
O画像強調の目標
画像処理方法O
CNNや他の深い学習ネットワークなので、学ぶために、特徴抽出のための画像データのために必要とされます。したがって、抽出された画像の機能が非常に重要であり、簡単な紹介以下の特徴抽出:
O点の操作:ヒストグラムベースのコントラスト増強
説明:
統計画像データ/分布特性、個人的な理解だけで赤と青のTシャツのようなアイデアの小さなクラスタは、ヒストグラム統計は、最終的に(例えば、色だけでここに)Tシャツを得ることができますヒストグラムの色分布。これは、その特徴を抽出する方法です。
ここで、「グレー」:黒と白の画像の色深度の中間点、0〜255、0は黒色であり、255は白です。グレースケールデジタル画像は、画素の色ごとに1つのサンプルの画像です。
各ピクセル:256階調(0〜255の画素値)を、それぞれ輝度の異なるレベルを表します。
説明:
各画素は考え出しの配布は、事前に分散され、より大きな(最大255)を採取ビンは、唯一つのセクション(255を取ると仮定)に対応します
小さなビンは、画素の異なる複数の値を含んでいてもよい部10に10を取るなど、撮影しました。
なぜ、ヒストグラム均等化をすべき:
这是为了对图片进行调整,所拍的图,往往因为太亮或者太暗等因素造成了,局部的灰度集中化,因此需要一种手段,进行(非线性的)重新分配各个灰度单位中的像素点数量(具体方法,一般是最终使得一定灰度范围内像素点数量的值大致相同)
AHE的问题是:经过均衡化的图像往往不连续
o 空间域处理:卷积
o 卷积的应用(平滑、边缘检测、锐化等)
因为均值滤波有很大的缺陷,因此用的很少,下面介绍几种常见的滤波器
中值滤波:有效去除椒盐噪声
高斯滤波(重点):高斯滤波名字的由来,我的理解是,它的滤波器(卷积核)数值分布是高斯分布,它的应用必须结合后面要讲的高斯金字塔(捕捉不同尺寸的物体,尺寸缩小 + 高斯模糊)一起讲。
这里简单说明,高斯滤波其实是高斯模糊(blur),对于设定不同的标准差,高斯滤波将图片变换成不同清晰度。
标准差越大,大部分数值与均值差异较大,数据分布越离散,所用的高斯滤波器(卷积核)分布越尖锐(想象高斯分布尖尖的突出的曲线),所得的图片就会越模糊(但是所得的图像依旧是平缓的,是大致可以看出是什么物体的)。标准差越小则相反,高斯滤波器分布越平缓,所得图片不会那么模糊。
还有一些做边缘检测,团块检测,Laplacian 滤波锐化等滤波器,这里不做一一介绍,详情参考PPT
直接进入重点:高斯金字塔
高斯金字塔:通过高斯平缓(模糊) + 降采样(尺寸缩小), 达到捕捉不同尺寸物体的目的。但是如果还想回复原图像怎么办,这就需要拉普拉斯金字塔啦。
拉普拉斯金字塔:将小尺寸的图像数据,进行上采样,得到大尺寸的图像。具体看下图中的说明: