• 经历了半年多的学习图像处理总算入门了,做了个小项目,将之前所学的都用到了。虽不敢说精通,但该掌握的工具都掌握了,包括图像算法。图像处理虽说不难,但刚开始入门,还是不易的,我也走了不少弯路,希望借鉴给...

    经历了半年多的学习,图像处理总算入门了,做了个小项目,将之前所学的都用到了。虽不敢说精通,但该掌握的工具都掌握了,包括图像算法。图像处理虽说不难,但刚开始入门,还是不易的,我也走了不少弯路,希望借鉴给有缘人。

    首先,搞图像处理,熟悉图像算法是必经之路,如果上过图像处理这门课的话,再好不过。如果没有,我推荐中科院研究生院刘定生老师的数字图像处理与分析(视频),这位老师上课引人入胜,值得推荐。其次,在这个阶段,配套的书籍自然是《冈萨雷斯版数字图像处理》这本书,最好同时用matlab软件,仿真每一个图像算法案例,推荐《matlab宝典》。大概花一个月时间,基本的图像算法,相信你已经学完了。第二阶段,希望你再次认真学习C++,推荐《C++ Primer》,因为以后我们开发程序,都是基于类的开发,什么虚函数,类的继承、多态、命名空间、文件的输入输出、模板STL都应非常熟悉。在这之后,VC++你也应该掌握,圣经级的书籍自然是孙鑫的《VC++深入详解》,大概花一个时间,将书上每一个代码都敲一边,消息的映射机制,尤其要非常熟悉,MFC的框架结构也应明白。在此阶段,有时间的话,看看中科院研究生院杨力祥老师的高级windows程序设计(视频),这些代码开发都是基于VC6.0的。

    以上如果你都搞明白了,就进入重头戏了。将图像处理算法和代码结合起来,进行开发。首推北航老师谢凤英, 赵主培主编的《Visual C++数字图像处理》这本书,将上面的代码都敲一边,你会有不一样的感觉。

    最后一个阶段,因为在实际的开发过程中,不可能每一基本算法都要自己写,前人已经写好了。所以推荐大家使用opencv这个开源库,他实现了大多数图像算法,实际开发中,用他的函数就够了,推荐书籍《学习opencv》,《opencv教程》,视频自然是庞峰老师的视频,大家可以在opencv中文论坛上免费观看。至此,该掌握的工具你已经掌握了,但是将MFC和opencv结合起来开发,最好是要有一个项目,你会理解许多。

    最后,我想说MFC开发已经过时了(俗称没饭吃),但是他的那套消息机制还是非常有用的,建议大家界面开发的用C#或QT,代码编写结合opencv,这样你会轻松很多。在图像处理领域中,真正得到大牛都是搞算法的,建议大家在看看计算机视觉和模式识别、机器学习方面的书籍。至此,以上就是我的感悟。

    展开全文
  • 最近工作需要,开始学习图像处理啦。我们使用的软件是Adaptive Vision Studio。不过是收费的哟。无基础学习。所以先加强一下子基础啦咯 前期准备:直方图灰度直方图:不同灰度值的像素分量分别占像素总数的概率分布...

    最近工作需要,开始学习图像处理啦。我们使用的软件是Adaptive Vision Studio。不过是收费的哟。无基础学习。所以先加强一下子基础啦咯
    这里写图片描述


    前期准备:

    直方图

    灰度直方图:不同灰度值的像素分量分别占像素总数的概率分布
    p(rk) = nk/MN;
    rk:第k级的像素个数
    MN:像素总数/行数 * 像素总数/列数
    P(rk):归一化概率直方图

    图像分割

    输入图像,提取图像属性
    一张图像R,可以分割为不同区域R1,R2,…,Rn

    这里写图片描述


    阈值处理(区域分割)

    灰度阈值处理基础

    —–《数字图像处理》

    粗略的计算一下,阈值T
    T= (对象的灰度值+背景的灰度值)/ 2

    展开全文
  • 一个Java程序员转到图像处理的亲身经历,感悟与收获。

    谈谈我学习图像处理的经历与收获

    大概是在2011年年底的时候,我在家里整理以前的IT书籍、发现我买的几本图像处理的书,于是我又随手翻了翻,发现自己还是挺感兴趣的,就直接放到书架上了,说实话做Java这么多年了,一直都是做外包,想想自己也没什么拿得出手的竞争力、想想英语没英国人讲的好、工作没年纪轻的加班猛、沟通交流没有文科生那圆滑、还是走技术吧,毕竟自己还做了这么久,想想大学毕业设计是关于图像处理的,于是我又捡了起来、从2012年初、坚持自己研究图像处理、期间也有几次想放弃、想去学学安卓什么的,但是又强迫自己放弃了这些乱七八糟的念头、既然选择了就要坚持到底、死磕到底、墨子有句名言我很赞同,“言不信者行不果、志不强者智不达”意思是什么呢,就是说言而无信的人行动往往没有结果、意志不够坚定的人智力上往往达不到目标。就这样我开始了坚持慢慢的写博客分享我自己的学习图像处理的经历、从简单的像素处理到复杂的各种经典算法、两年多之后我在CSDN的博客上关于图像处理的文章已经超过60篇,

    学习图像处理过程也是磨练自己意志、不断自我更新、自我总结的历程。想对那些一直徘徊在图像处理大门之外的人说,学习图像处理,没有你想象中的那么难、那些数学知识也没你看上去那么复杂,有时候只要你稍微有点决心、有点毅力、你就会发现那些看上去很难的各种数学公式在你的努力之下就会土崩瓦解、灰飞烟灭再也无法阻挡你前进的步伐、我结合自己的学习经历,觉得在学习过程中要由浅入深、先易后难、一个一个的攻克那些算法与数学知识,要从基本的像素知识开始学习、边理论学习边实践,古语有云:“纸上得来终觉浅、绝知此事要躬行”,学习二值图像处理、慢慢的过渡到学习距离变化、霍夫变换等知识、进一步学习卷积的基础知识、然后再学习低通滤波与高通滤波、各种算子、去噪、增强等处理、有了这些知识之后就可以过渡到高斯滤波、各种边缘保留算法、图像的插值、旋转、高斯金字塔、拉普拉斯、高斯分差等知识、有了这些知识之后就可以进一步学习图像的各种特征提取,图像分割等知识。在这些基础上就可以去研究一下比较流行的SIFT算法、HOG算法等基于空间域的图像处理的经典算法、同时可以看一看傅立叶变换到频率域尝试各种滤波等处理、看一下图像的模板匹配、识别等比较偏向应用的知识、可以学习一下小波变换等知识、然后就可以选择方向对图像处理中某个应用领域发起一阵猛攻、综合运用所学的各种知识,这个时候就是全面展示你应用图像处理知识,设计图像处理步骤算法的大好机会,继续搞下去,属于你的钱和机会就会从天上掉下来,别紧张,接住就行,因为你已经准备了这么久了,能接住的…

     

    研究图像处理以后,发现图像处理相对来说有一定的技术门槛,不是一般技术短平快、很快就可以学会。所以很多时候只要你真的会图像处理,到应用层面,选择什么的语言与库去做不是太大的问题,要知道你学的是图像处理知识、而不是一些API与库的接口编程,学那些真的不要两三年。我研究过imageJ的多数源代码,但是我没看过openCV的,因为c++我不熟悉,我下一步的计划是学习openCV,正如一句话说的好:“君子性非异也善假于物也”。我要做一个快速的图像处理应用开发者。

     

    这三年多来,学习图像处理给我带了一些私活收入同时我在2014年的时候收到来自机械工业出版社、华章图书的书约,经过一年多的挑灯夜战,图书已经结稿、通过编辑审核付型了,估计下个月(2015-11)新书会上市跟大家见面。


    给初学者的一些建议:

    学习图像处理,重要的是算法而非语言,所以建议多关注算法本身,此外,掌握一门编程语言也很重要个人推荐C++或者Java,原因是OpenCV是基于C/C++编写的,是图像处理与机器学习最好开源框架!有了基本图像处理知识以后建议学习OpenCV可以成倍提高开发效率!本人也贡献了两套OpenCV图像处理教程给大家:

    《OpenCV图像处理》

    《OpenCV For Android基础入门教程》

    分别针对C++与Java开发者的OpenCV学习者!希望对大家有所帮助!

    展开全文
  • 伴随着图像处理技术的发展,我们每天无时无刻都在接触着图像处理的一切,打开相机,设置美颜程度,伴随着快门键的按下,一张瘦脸磨皮的人像处理完成了。按下手机的解锁键,前置摄像头已经获取了你的人脸图像,并在你...

           伴随着图像处理技术的发展,我们每天无时无刻都在接触着图像处理的一切,打开相机,设置美颜程度,伴随着快门键的按下,一张瘦脸磨皮的人像处理完成了。按下手机的解锁键,前置摄像头已经获取了你的人脸图像,并在你的脸上打上了若干个点,与数据库的信息进行比对,一次人像比对完成了。车辆行驶到单位校园门口,你的车牌已经被切割成一个个字母、数字与汉字,随着栏杆的抬起,又一次图像处理完成了。伴随着图像处理的广泛应用以及目前人工智能在图像领域的应用,更多的图像处理技术爆发式的增长,也更多的人投入到了这个领域的研究。作为一名行业从业者,如何学好图像处理就显得甚为棘手。博主作为一名“半路出家”的图像处理入门者,在这里也给各位读者分享一下一直以来的一些思考,因为本人水平有限,不妥之处还望见谅。

    1、高山平顶上,尽是采樵翁。人人各怀刀斧意,未见山花映水红。        ——何权峰《眼界,决定你的世界》

            其实很多时候,我们都局限在自己的小平台里,沾沾自喜,而忽略了你身边技术的飞速发展,也许这种沉浸对于一些传统行业来说,淘汰一个人的速度是十几年甚至几十年,但是对于计算机领域来说,这一淘汰也许就是一瞬间,这也是为什么企业在招聘应届生事,一方面关注你的技能,但也非常关注你的学习能力(简单说就是你可以什么都不会,但你学的快不?但你愿意学不?),而这种学习能力往往是需要长时间培养锻炼的,举个例子:清华北大的学生永远不愁找不到工作,而去清华北大招聘的企业也往往最不看重你的专业,因为他们知道,这里有着国内学习能力最强的人。说的有点远了,回到刚刚的话题,其实给博主触动最深的还是看到了CSDN某大神的一篇博客《阿里巴巴(菜鸟) - 算法工程师(机器学习)提前批笔试面试总结》中面试环节面试官问的一个问题:介绍CVPR2018你最感兴趣一篇论文的工作?看到这里博主犹如当头一棒。自己也只是听说过CVPR,当然也会留意一些媒体的报道或者是推送,但是从来都没有认真的甚至说大致的浏览过每一年会议的文章内容甚至是会议目录。而自己也“井底之蛙”般的只能感叹自己也许将是接下来就被淘汰的那个。其实广一点说,我们的本科生或者研究生期间,可能你的实验室做的东西很low,亦或是你是一个“半路出家者”,或者我们的“出身”不是很好,这些都或多或少的会限制我们的眼界。但是我们自己不应该允许自己做那只“井底之蛙”,我们更应该关注或者说拥抱我们所处这个行业最新、最前沿的技术(比如2018CVPR的最佳论文《Taskonomy: Disentangling Task Transfer Learning》);关注我们这个领域的大牛(比如做计算机视觉我们一定绕不开李飞飞教授、做相机标定一定离不开张正友教授)。眼界决定我们的视野,这也是为什么很多顶尖的公司在招聘的时候一定会加上如下两条:1、所在实验室为国家重点实验室或者在国内顶尖的科研机构有过实习经历  2、在顶级会议发表过相关文章。会当凌绝顶,方能一览众山小!

    这里,博主附上计算机视觉领域的CCF推荐会议:计算机视觉及图像处理领域会议,CCF推荐(A类,B类,C类),感兴趣的读者可以选取和你研究课题相关的较高水平的会议关注查看。

    2、知其然与知其所以然。 ——《朱子语类》卷九《论知行》

            这里我们要说,很多人在从事图像处理工作的时候更多的是被动的被推着走,只知其然而不知其所以然,还是举个例子,我们都知道,图像处理的前期操作就是获取图像,而获取图像的一个重要途径就是通过相机获取图片,相机获取到的图片更多程度需要去标定矫正。好了,问题来了,很多人知道,我获取图像了,按照“前人所述”我需要进行相机标定,设置标定板、计算内外参数...一些列工作完成了,我们也得到了“前人所述”的内外参数,那接下来呢?我们怎么矫正呢?为什么要做矫正呢?不矫正对我的图像处理过程有什么影响呢?想必这个问题是很多读者没有考虑过的,博主也看了很多的博客,相机标定写内外参矩阵的大有人在,图像生动、推导详尽。但说获取这些参数只会该干什么的博客却是凤毛麟角。反观之,我们其实很多时候也都停留在这样的阶段,就是只知道,这个事情该这样,但是为什么要这样却知之甚少。

    3、一门科学,只有当它成功地运用数学时,才能达到真正完善的地步。  ——马克思

            其实博主本人也是一个讨厌数学且数学不好的人,但是越是从事图像处理工作越深,越发觉得数学的重要性。数学也许就像是你的导师,你很多时候很讨厌,但是却绕不开。图像处理时我们会发现,图像在计算机内其实就是一个个矩阵,图像的处理很多时候就是数学变换,比如去噪(数学上的均值或者中值处理),比如放大缩小图像(数学上的插值和采样)等等,这里我们还是举一个例子:从事图像处理的人应该大部分都知道(最起码听说过)SIFT特征点检测算法,这里不展开论述,我们只拿其中的一个关键部分来说,SIFT算法中有两种方法,分别是:

    a、使用LOG图像(高斯拉普拉斯变换图像):其步骤是:先将照片降采样,得到了不同分辨率下的图像金字塔。再对每层图像进行高斯卷积。这样一来,原本的图像金字塔每层只有一张图像,而卷积后,每层又增加了多张不同模糊程度下的照片。大概就是下图这样:

    b、使用(DOG图像):DOG即高斯差分。构造高斯差分图像的步骤是:在获得LOG图像后,用其相邻的图像进行相减,得到所有图像重新构造的金字塔就是DOG金字塔。大概就是下图这样子:

            好了,问题来了,这一数学上的改进,能有多大的差距呢?我们可以看到,就是这样一个“看似简单”的改进可以使我们的运算量小一个数量级!数学有多重要!

            也许上面的过程有一些读者没看明白,什么又是高斯卷积又是图像相减的,太麻烦,那我们再介绍一种非常“简单”的特征点检测算法(FAST) ,有多“简单”呢?这里先放一张图:

            为了让大家简单易懂,这里我们简单的说原理,可能与实际不相符,简单说,就是你要找特征点P,那我在p周边画个圈,设置一个阈值,如果有若干个点大于这一阈值,我们就理解为p是特征点(阈值为9就是FAST9,阈值为11就是FAST11)。惊不惊喜,意不意外,就是这么好理解,而且这一算法的速度快,效果也不差。其实这种方法博主更多的理解为是一种数学上的改进。而我们纵观众多划时代的文章、方法、算法,其实其本质大多为数学方法在各个领域上应用的改进。学好数理化,走遍天下都不怕,数学,可怕却重要! 

    4、如果我能看得更远一点的话,是因为我站在巨人的肩膀上。  ——牛顿

            伴随着计算机网络的发展,开源的趋势化(强调专利的微软收购了Github并主动开源了众多代码),我们可以找到更多的资源与资料(BaiDu,Google一键直达),一个个的开放图形库和开放图形软件(最常见的OpenGL、OpenCV),我们有着比以往任何时候更多的资源,也有着比以往人更多的机会接触到科技的最前沿(顶级会议大部分都是开源的,我们可以随意下载),这里博主特别强调,大胆的去使用这些工具,抱着书本往死里啃,问周边同学或老师有效,但这样的时代终将过去,信息交互的年代,每一个人都是一个信息源(有点像众包的概念),站在巨人肩膀上引领科技进步的人也许不是你我,但是你我可以更容易找到这个世界上的巨人在哪里了,我们的获取信息的渠道更多了,我们身边的信息源更多了(比如MOOC,我们可以倾听最好的老师讲课),这里说点题外话,推荐一部纪录片《互联网时代》,当时博主看的热血沸腾!回到主题,不主动拥抱这个时代的人一定会被时代所抛弃。能活到最后的人一定不是闭门造车的,一定是那个敢于攀登,寻找巨人的人。

    5、工欲善其事,必先利其器。  ——《论语·卫灵公》

    这里其实博主还是老生常谈的强调你的编程能力,我们都知道,一切的图像处理的最终实现都是程序,更是算法(硬件处理也有硬件程序、算法),而编程能力就好比士兵的枪、老师的粉笔。再好的想法如果不能付诸于一行行“冰冷”的算法最后都只能是镜中花、水中月。而选择哪门语言作为你的“枪”这里博主就不再赘述,直接放上之前写的一篇博客的内容:

    Python?JAVA?C/C++?
          其实实验室也会有一些师弟师妹问我这个问题,我该选一门什么语言呢?当然,我在这里不去评论哪门语言的优劣好坏,仅仅针对每一门语言在找工作时选择的机会跟大家做一些分享,首先,如果你需要找工作时自己能多一些机会和选择,那么仅仅会MATLAB或者Python可能还是远远不够的,毕竟找工作时需求量最大的依旧是JAVA\C\C++相关的工程师,如果你仅仅会MATLAB或者Pyrthon,那么你找工作时可能只能选择算法相关类的工作,而这类工作,我们都知道,和你竞争的往往都是一些大佬,算法岗也因为其相对的高工资和低劳动强度而成为近两年来淘汰人数最多的岗位之一。

          所以,这里强烈建议如果有可能,请抽出时间选择JAVA\C\C++其中一门语言进行系统化的学习(这里我们只谈最常见的,PHP,GO等语言博主没有学过,也没有具体了解,就不在这里献丑了),当然选择JAVA你还可以转向安卓开发,C\C++则更加偏底层一些。这一切的选择基础需要你综合衡量,博主特别讨厌一些鼓吹某某语言万能无敌之类的话,举个例子C++的确可以坐界面,但显然,做界面C++不是最好的选择,合适的才是最好的,不是么?

    6、你看江面平如镜,要看水底万丈深。  ——谚语

            我们很多人,其实也包括博主本人都有这个问题,就是用一个东西的时候想的不够深入,直至其表,不知其里,还是举个例子,我们每个人都应该知道的边缘检测算法,博主相信,用起来不难,网上搜一下代码,一搜一大片,有一定程序基础的人都可以轻松实现,但是深入思考,我们知道他的原理么?这里,博主将所有人分为几个等级,大家可以以边缘检测算法作为作为自己的对照,看看自己停留在哪个级别:

    a、还没入门的“行外汉”:什么是边缘检测算法?不会怎么办?问周边人吧!

    b、已经入门的“小菜鸟”:emm,好像有印象,去网上搜一下现成的程序,改一下图片输入就行了!

    c、有思考的“程序猿”:算法每一个参数什么意思啊?我改一下会怎样?

    d、负责任的“熟练工”:这个算法的原理究竟是什么样的?怎么就找到边缘了?找个博客看看!

    e、企业抢着要的“大牛”:算法原理我看懂了,自己手撕代码试一下!

    f、“大佬、科研工作者”:数学公式可能需要自己推一下,看能不能改进!

    看看,一个简单的边缘检测算法我们就可以看到不同人的不同水平,你的思维深度更多时候可以决定你的高度!

    7、思考可以构成一座桥,让我们通向新知识。 ——普朗克

          小时候爸爸妈妈就教会我们多问一问为什么,那时候最喜欢看的书也是《十万个为什么》,但是越长大越发现自己丧失了这种质疑和思考能力,我们更多时候的想法是“哪有那么多为什么!”。做项目,搞科研其实更多时候需要我们这种问问题的能力,就好比之前的例子:相机标定,为什么要标定?其实道理大家都懂,做到的却太少了,包括博主本人,这里写出这条大家共勉!

    8、亡羊补牢,犹未迟也。  ——《战国策·楚策四》

            可能很多人看到博主写了这么多会觉得可能自己再某个或者某些领域的欠缺有点大,有些失落甚至灰心丧气。其实博主需要在文章的最后和大家打打气,我们发现了问题和漏洞只要积极去改变,就会发现事情就会朝着好的方向发展。谁能想到《三体》作者刘慈欣若干年前还在水电站工作?又有谁能想到阿里云的头头是一个哲学博士呢?最后一句话赠与自己也赠与能看到这篇文章的读者们共勉:改变,从当下开始!

    展开全文
  • 开始学习图像处理,想做个学习记录。与大家一起学习,本文以所做的实验为路线,记录完成实验的过程及思路。要求: 下载任意图片,读取该图像。取上述图像的奇数行和奇数列数据,显示结果。 先附上显示结果关于...

    图像处理提取图像的奇数行列-学习笔记

    版本vs2015(C++) opencv3.0
    刚开始学习图像处理,想做个学习记录。与大家一起学习,本文以所做的实验为路线,记录完成实验的过程及思路。

    要求: 下载任意图片,读取该图像。取上述图像的奇数行和奇数列数据,显示结果。
    先附上显示结果

    这里写图片描述

    这里写图片描述

    关于图像载入 显示的说明。

    C++ 用cv::Mat 来表示图像或矩阵的数据结构。首先创建一个Mat,然后用imread()函数读取图像

    Mat img = imread("D:\\\\3.jpg");

    显示应先用namedWindow(“原图”);创建一个窗口,再用imshow(窗口名,mat)来显示。

    namedWindow("原图");
    
    imshow("原图", img);
    

    将图像保存成文件可以用imwrite(图像路径,mat)来完成。

    imwrite("D:\\\\3.jpg",img);
    

    进入正题,如何将图像的奇数行列图取出来成为一个新图像呢?

    1.要提取数据到另一个矩阵中那么就需要创建两个矩阵,一个为原图,另一个为结果图。结果图的大小为原图1/4
        Mat imgf = imread("D:\\乱\\3.jpg");
        /**********************************************/
        int nl = imgf.rows;
        int nc = imgf.cols;
    
        Mat img(nl/2,nc/2,CV_8UC3, Scalar(0, 0, 255));

    Mat构造函数 前两个参数为矩阵的 行列 ,第三个参为数宏定义CV_8UC3表示用8位表示一个通道,一共3个通道分别为RGB

    2.然后要学会遍历图像的每个像素。代码如下。
        int nl = imgf.rows;
        int nc = imgf.cols * imgf.channels();//图像通道数彩色图像一般为3
        //遍历图像的每个像素  
        for (int j = 0; j<nl;++j)
        {
            uchar *data = imgf.ptr<uchar>(j);//行首地址传入
            for (int i = 0; i<nc*3; ++i) //3为通道数
            {
                //具体内容data[i]
            }
        }
    3.现在就从中提取奇数行列,注意每个像素有三个通道分别为RGB各8位,所以在每行按照uchar*指针类型进行遍历的时候要在原基础上乘3
        for (int j = 1, k = 0; j<nl;j += 2, k++)
        {
            uchar *data = imgf.ptr<uchar>(j);//取奇数行遍历
            uchar *data2 = img.ptr<uchar>(k);
            for (i = 3, v = 0; i < nc * 3;i += 6, v += 3) //每一个像素包含RGB24位,所以取奇数列则隔68位,进行获取。
            {
                data2[v] = data[i];
                data2[v + 1] = data[i + 1];
                data2[v + 2] = data[i + 2];
            }
        }

    第一次写笔记终于结束了。
    完整源码如下:

    #include <opencv2/core/core.hpp>  
    #include <opencv2/highgui/highgui.hpp>  
    
    using namespace cv;
    
    int main()
    {
        Mat imgf = imread("D:\\乱\\3.jpg");
        /**********************************************/
        int nl = imgf.rows;
        int nc = imgf.cols;
    
        Mat img(nl / 2, nc / 2, CV_8UC3, Scalar(0, 0, 255));
        int v = 0, i = 1, j = 0, k = 0;
    
        //遍历图像的每个像素  
        for (int j = 1, k = 0; j<nl;j += 2, k++)
        {
            uchar *data = imgf.ptr<uchar>(j);
            uchar *data2 = img.ptr<uchar>(k);
            for (i = 3, v = 0; i < nc * 3;i += 6, v += 3)
            {
                data2[v] = data[i];
                data2[v + 1] = data[i + 1];
                data2[v + 2] = data[i + 2];
            }
        }
    
        namedWindow("原图");
    
        imshow("原图", imgf);
        namedWindow("输出");
    
        imshow("输出", img);
    
        waitKey(0);
        return 0;
    }
    展开全文
  • 图像处理学习之路

    2015-07-29 10:52:41
    经历了半年多的学习图像处理总算入门了,做了个小项目,将之前所学的都用到了。虽不敢说精通,但该掌握的工具都掌握了,包括图像算法。图像处理虽说不难,但刚开始入门,还是不易的,我也走了不少弯路,希望借鉴给...
  • 什么是数字图像处理?历史、以及它所研究的内容。 说起图像处理,你会想到什么?你是否真的了解这个领域所研究的内容。纵向来说,数字图像处理研究的历史相当悠久;横向来说,数字图像处理研究的话题相当广泛。 ...
  • 一篇很不错的文章,分享给博客的朋友们~~~~~ 作者:许铁-巡洋舰科技 ...来源:知乎 著作权归作者所有。...如果你开始了解深度学习图像处理, 你接触的第一个任务一定是图像识别 : 比如把你的爱猫...
  • https://zhuanlan.zhihu.com/p/32177354一方面为做资料整理用,方便后期回顾,另一方面转需--------------------------------------------------第一个重境界: 图像识别如果你开始了解深度学习图像处理,...
  • 图像处理与识别学习小结 数字图像处理是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储,因而图像处理很多情况...
  • 主要有四大类:Python学习、机器学习图像处理)、网络渗透、考研相关 先来说说Python的学习: 貌似是前段时间用C#写一个获取网页源码,并解析得到需要的信息的工具的时候,网上资料说做爬虫和网页解析,...
  • FPGA图像处理之路,从此开始,接下来,让我们把时间交给“图像处理”。一休哥在动笔之前,一直在犹豫,反复思考着一个问题,这个问题一直困扰着我,“FPGA在图像处理领域中的地位?” 按照惯例,我们先暂且不直说这...
  • 什么是数字图像处理?历史、以及它所研究的内容 本文引用地址:http://www.eepw.com.cn/article/201702/344072.htm  说起图像处理,你会想到什么?你是否真的了解这个领域所研究的内容。纵向来说,数字图像处理...
  • 利用深度学习技术,分析图像与视频,并且将之应用在诸如自动驾驶,无人机等等领域已经成为最新研究方向。在最新的一篇名为“A Neural Algorithm of Artistic Style”[1508.06576] A Neural Algorithm of Artistic ...
  • 在Python的学习过程中,我们实际上有各种图像处理库可以使用,比如opencv,Matplotlib,Scipy等等,这里我们使用Numpy来实现图像处理算法,以此来加深Numpy和图像算法的学习。 我们使用Matplotlib来读取和显示图像...
  •  就图像来说,冈萨雷斯的《数字图像处理》肯定是必看的,看完这本后,如果还有余力,可以看看《图像处理、分析与机器视觉》这本书,说实话,这本书真的蛮难的,我一开始不懂,直接从这本书开始看的,被虐的死去活来...
  • 在跑算法的时候最适合答题了呢(害羞脸图像处理说到底是一门数学和实践结合的学科。所以要搞算法,数学基础必不可少,同时工程实践性的话,编程能力不能弱。二者不可偏废。我向来推崇以练促学,...
  • 数字图像处理技术

    2018-11-25 19:28:31
    20 世纪 50 年代,电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息,这便是早期的图像处理。早期图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。数字图像处理...
1 2 3 4 5 ... 20
收藏数 136,680
精华内容 54,672