图像处理成基础知识_图像处理基础知识 图像矩 - CSDN
精华内容
参与话题
  • 图像处理(图像学习)的基础必备知识

    万次阅读 多人点赞 2016-04-12 22:12:34
    基础储备知识列表(图像必备基础) 1. 图像会表示成一个2D实数矩阵f(x,y),也称为是图像在那个像素的灰度或者是亮度,对于double类型的是0.0黑 1.0白,对于unit8类型是0黑,255是白 2. 图像常见的数字形式...

    基础储备知识列表(图像必备基础)

    1.     图像会表示成一个2D实数矩阵f(x,y),也称为是图像在那个像素的灰度或者是亮度,对于double类型的是0.0黑      1.0白,对于unit8类型是0黑,255是白

    2.     图像常见的数字形式编码:位图(栅格)和矢量

    3.     图像表示

            二值化图像,1比特图像(一个像素是1比特)0 1
           灰度图像,8比特图像(1个像素是8比特)0-255
           彩色图像24比特(RGB各占8比特),同时也会有第四通道,提供对每个像素透明性的测度

          索引图像 24比特,其中每个像素给出的索引和索引所指示的彩色调色板中的元素R G B的值

    4.     基本术语

         图像拓扑:常用于二值图像并借助形态学

         领域:围绕一个给定像素的周围构成它的领域,4领域 8领域

         邻接;通路;连接性;组元

    5.     图像处理分为3个层次

         底层:基本操作(噪声消除,对比度增强),其中输入和输出都是图像

         中层:从图像中提取属性(如边缘,轮廓,区域)

         高层:对一个场景的内容进行分析和解释

    6.     图像的处理分为:空间域和频域

         空间域:

         全局(点)操作

         面向领域的操作,卷积

         结合多幅图像的操作

                 频域:

    7.     图像的采集需要光,光可用电磁波或者粒子秒速,一个光子是一个微小的电磁振动能量包,可以用波长和频率来刻画,波长乘以频率等于波传播的速度,人类的视觉系统(HVS)对波长在400-700nm,1nm=10-9m

    8.     彩色编码和表达

          彩色可使用3个数值分量和恰当的增加权函数来编码。最简单的编码方式就是像素的RGB

    9.     人对光的感知以及对颜色的感知常用3个参数来描述:

          辉度:对于发光强度的主观感受

         色调:一个视感觉的属性,对应区域是否类似于一个感知的彩色,红绿蓝或者是组合

         饱和度:对一个区域用与其亮度成比例来判断的彩色行,对光源白色性的描述

         注:亮度可以用红绿蓝的加权和来计算

    10.   数字图像处理的硬件:采集装置,负责捕获数字化图像或视频序列camera link。当相机产生模拟视频输出时,需要使用一个图像数字化器(图像采集卡)将其转化成数字格式;

          处理装置,计算机;显示和硬拷贝设备;存储设备,光盘。

          数学图像处理的软件,matlab c++

    11.   图像传感器:将电磁辐射能量转换为可以处理、显示和解释成图像的电信号。主要是基于CCD(电荷耦合装置)和CMOS(互补型金属氧化物半导体器件)工艺。

          相机长常用的是CCD传感器,他们不受几何失真的影响并对入射光有线性的响应,一个CCD传感器由一组光敏单元构成,用硅制造,每个能产生正比于落在上面光密度的电压。一个感光单元具有一个约10^6能量载体的有限能力,这限制了被成像物体的明度上限,一个饱和的感光单元会溢出,从而影响它相邻单元并导致成为渗色的缺陷

         一个CCD相机有时候插入一个计算机板子,称为帧缓存,它包括对相机采集的图像快速访问的内存(典型的是每幅图像0.1ms),图像在被采集和临时存储在帧缓存后,将被处理货复制到长时存储设备中。

        在单CCD的相机中,使用具有对每种光基色(红蓝绿)不同感光单元的三色成像仪,其中感光单元排列成贝叶斯模式,这样,每个像素实际上仅仅记录了三个基色之一。

         COMS传感器是分层传感器堆栈,在网格的每个位置都有分层的对所有三种基色都敏感的光电传感器,在每个像素只有一个仅对一种基色敏感的光电传感器。

    相机的镜头有2个重要的参数是它的放大倍数和光收集能力

    12.   图像数字化:(时间或者空间)采样、(幅度上)量化

         采样就是去离散的值,有采样率,采样率要大于信号中最高频率分量的2倍(乃奎斯特准则),采样模式

         量化是将一个连续变化函数用一个离散集合的量化级替换的过程。图像的量化级是灰度级,量化理解为映射,就是把一个范围的灰度值隐射到单个点,例如0-255可以均匀量化为4,1代表0-64 2代表65-128 3代表129-1924代表193-255

         空间分分辨率;描述衣服图像中像素密度,空间分辨率高,将有越多的像素用来显示一副固定尺寸的图像,每英寸点数dpi表示,空间分辨率降低的时候,质量变化不是很明显,但是像素化,锯齿化 细节的损失,甚至会出现莫尔模式

         灰度分辨率是HVS能辨别的亮度级的最小变化,对于单色图像每个像素8比特是在主观质量和实际实现(每个像素值对应一个字节对应)中较好的平衡

     


    展开全文
  • 图像处理需要掌握的基本知识架构

    千次阅读 2018-03-20 18:34:45
    图像像素操作 几何运算-加减乘除 逻辑运算-与或非取反 像素读写 通道混合与调整 对比度与亮度调整 图像变换 插值(zoom in或out) 旋转(rotate) 透视变换 错切变换 翻转 像素统计 计算均值与方差 计算直方...

    图像像素操作

    • 几何运算-加减乘除

    • 逻辑运算-与或非取反

    • 像素读写

    • 通道混合与调整

    • 对比度与亮度调整

    图像变换

    • 插值(zoom in或out)

    • 旋转(rotate)

    • 透视变换

    • 错切变换

    • 翻转

    像素统计

    • 计算均值与方差

    • 计算直方图

    • 计算最大最小

    • 计算像素内方差

    色彩空间

    • RGB

    • HSL

    • YUV

    • YCrCb

    • 色彩空间转换

    • 灰度转换

    • 调整饱和度与亮度

    • 主色彩提取与分析

    卷积图像处理

    -空间域卷积

    -频率域卷积

    -FFT空域到时域转换

    -模糊

    -边缘提取

    -去噪

    -增强

    -直方图均衡化

    -直方图反向投影

    形态学处理

    -腐蚀

    -膨胀

    -开闭操作

    -形态学梯度

    -顶帽

    -黑帽

    -内梯度与外梯度

    图像分割

    -K-Means

    -Mean-Sift

    -分水岭

    -Fuzzy-C Means

    -GMM

    -Graphic Cut

    -区域生长

    特征提取

    -SIFT

    -SURF

    -LBP

    -HOG

    -Haars

    -Blob

    -DOG或者LOG

    -金字塔

    -Haars Corner

    -Shi-Tomasi Corner

    -Hessian

    二值图像

    -全局阈值二值化

    -局部阈值二值化

    -轮廓提取

    -区域测量

    -几何矩特性

    -连通区域计算

    -泛洪填充

    -霍夫变换

    -距离变换

    -分水岭分割

    -链式编码

    -骨架提取

    -欧拉数计算

    对象识别与匹配

    • 直方图匹配

    • 相关性匹配

    • 模板匹配

    • KNN

    • SVM

    计算机视觉深度学习后续补充…

    展开全文
  • 图像处理基础知识总结1

    万次阅读 多人点赞 2017-05-18 17:49:18
    从接触图像处理、生物特征识别、视频编解码、机器学习已两年有余,还没有系统的总结过,正好最近刷一下Tsinghua的Tipa课件和PKU的Digital Image Processing,对以前的图像处理基础知识做一些回顾,整理笔记形式,...

    图像处理基础知识总结(1)

    前言:从接触图像处理、生物特征识别、视频编解码、机器学习已两年有余,还没有系统的总结过,正好最近刷一下Tsinghua的Tipa课件和PKU的Digital Image Processing,对以前的图像处理基础知识做一些回顾,整理成笔记形式,代码和示例基于matlab给出。主要包含内容:

    • 原理总结
    • 部分matlab实现
    • matlab源代码解析

    1.图像坐标变换

    • 旋转
    • 尺度(缩放)
    • 平移
    • 错切
    • 反射
    • 投影
    • 反变换

    1.1 旋转

    原理

    绕原点逆时针旋转θ度角的变换公式是x′=x cosθ − ysinθ与y′=xsinθ+ycosθ,在二维空间中用矩阵表示为:
    cmd-markdown-logo

    但是为了可以表示仿射变换,需要使用齐次坐标,常见的矩阵变化都是在三维下进行的,在矩阵中增加一列与一行,除右下角的元素为1外其它部分填充为0,通过这种方法,所有的线性变换都可以转换为仿射变换。此时旋转矩阵如下所示

    logo

    仿射变换:包含平移及线性映射,为了使矩阵乘法可同时实现这两个功能,需要所有向量在其末端扩长 “1”且所有矩阵都于底部添加一排零,右边扩长一列转换向量,及右下角添加一个 “1”。
    注:仿射变换具体请参考:wiki_仿射变换

    MATLAB 实现

    利用花花公子杂志上的Lean的部分图像进行示例(-.- 关键部分都被数字图像处理的作者们截掉了,只有一张lean的脸保留了下来。。。。天真的我),matlab中图像旋转很简单,调用imrotate函数即可

    clc;clear;close all;
    %% image rotate
    img = imread('/Users/Documents/MATLAB/lena.jpg');
    rotateImg = imrotate(img,30); 
    figure;
    subplot(1,2,1),imshow(img);
    subplot(1,2,2),imshow(rotateImg);

    效果如下:可以看到图像逆时针旋转了30度
    cmd-markdown-logo

    简单解析

    打开matlab中imrotate函数源码,在命令行敲

    type imrotate
    

    找出关键信息可以看到,图像旋转利用矩阵旋转实现,旋转矩阵为tform

    tform = affine2d([cosd(ang) -sind(ang) 0; sind(ang) cosd(ang) 0 ; 0 0 1])
    B = imwarp(A,tform,method,'OutputView',Rout, 'SmoothEdges',true);

    1.2 尺度(缩放)

    基于上文,即坐标变换通常3x3大小的矩阵完成,对矩阵中的每一点生成[x,y,1]三维向量与变换矩阵相乘,便得到新矩阵,大多数图像几何变换都基于矩阵完成,用字母表示为从A到I,如下图。
    cmd-markdown-logo
    则对于缩放有
    cmd-markdown-logo

    1.3 平移

    cmd-markdown-logo

    1.4 错切

    错切常分为x轴错切或者y轴错切,平行于x轴的切变为x′=x+ky与y′=y,
    平行于y轴的切变为x′=x与y′=y+kx,矩阵实现参考下图

    cmd-markdown-logo

    1.5 反射

    二维反射变换如下,三维的基于上文变为增广矩阵即可。
    cmd-markdown-logo

    1.6 投影

    cmd-markdown-logo

    1.7 反变换

    cmd-markdown-logo
    cmd-markdown-logo

    2.像素、邻域、距离

    像素

    像素定义类似与眼球的杆状体,每张图片都是像素点的集合,常见的显示器描述就是以像素为单位,例如”640乘480”,它有横向640像素和纵向480像素(就像VGA显示器那样),因此其总数为640 × 480 = 307,200像素(30.72万像素)。
    数字图像均由像素点构成,依据坐标原点位置的不同常分为两类,每个像素点标示为I(r,c)或f(x,y)。
    **灰度图像的值域I是一个一元标量: I=greylevel
    彩色图像的值域I是一个多元向量: 如I=(r,g,b)**

    img

    每一个像素所能表达的不同颜色数取决于比特每像素(BPP,bit per pixel)。这个最大数可以通过取2的色彩深度次幂来得到。例如,常见的取值有
    8 bpp:256色,亦称为“8位”;
    16 bpp:216=65,536色,称为高彩色”;
    24 bpp:224=16,777,216色,称为真彩色,亦称为“24位色”;
    32 bpp:224 +28,电脑领域较常见的32位色并不是表示232种颜色,而是在24位色基础上增加了8位(28=256级)的灰阶,因此32位的色彩总数和24位是相同的,32位也称为全彩。
    (注:对于超过8位的深度,这些数位就是三个分量(红绿蓝)的各自的数位的总和。一个16位的深度通常分为5位红色和5比特蓝色,6比特绿色。24位的深度一般是每个分量8位。
    一张普通图片的像素点如下图所示:

    cmd-markdown-logo

    注:
    1.用matlab以矩阵形式读入即可查看图片属性,常见为8位灰度或者3通道RGB24位彩色图
    2.人眼只能分辨1000种颜色

    邻域

    2.2.1. 4邻域

    像素p(x,y)的4邻域是:(x+1,y);(x-1,y);(x,y+1);(x,y-1)
    用N4(p)表示像素p的4邻域

    2.2.2. D邻域

    像素p(x,y)的D邻域是:(x-1,y-1);(x-1,y+1);(x+1,y+1);(x+1,y-1)
    用ND(p)表示像素p的D邻域

    2.2.3. 8邻域

    4邻域的点+ D邻域的点
    用N8p表示像素p的8邻域
    N8p = N4p + NDp

    2.2.4. 连通性

    对于灰度值在V中的像素p和q,如果q在集合
    N4p中,则称这两个像素是4连通的,8联通与此类似

    距离

    像素间的距离分为三种
    - 欧几里得距离(Euclidean distance)
    - D4距离或城市距离(Manhattan distance)
    - D8距离或棋盘距离(Chessboard distance)

    2.3.1. 欧式距离

    在欧氏距离定义下,具有与(x,y)距离小于等于某 个值r的像素是:包含在以(x,y)为圆心,以r为半 径的圆.像素p(x,y)和q(s,t)间的欧氏距离定义如下

    2.3.2 城市距离

    像素p(x,y)和q(s,t)间的城市距离定义如下:

    具有D4 = 1的像素是(x,y)的4邻域,具有与(x,y)距离小于等于某个值r的那些像素形成直角菱形

    2.3.3 棋盘距离

    像素p(x,y)和q(s,t)间的 D8距离定义如下:

    具有与(x,y)距离小于等于某个值r的那些像素形成正方形,具有D8 = 1的像素是(x,y)的8邻域

    2.3.4 路径

    一条从具有坐标(x,y)的像素p,到具有坐标(s,t)的像素q的路径,是具
    有坐标(x0,y0),(x1,y1),…,(xn,yn)的不同像素的序列。
    其中,(x0,y0) = (x,y),(xn,yn) = (s,t),(xi,yi) 和(xi-1,yi-1)是邻接的,1
    ≤ i ≤ n,n是路径的长度。
    如果(x0,y0) = (xn,yn) ,则该路径是闭合路径。
    可以用定义连通的类似方法定义4-路径和8-路径。

    3.图像显示

    抖动技术

    误差抖动常用在图像/视频压缩中,用来降低色彩的深度。如下图所示,256级(8bit)灰度过度 【图二】将图一转换成16级(8bit)灰度(高4位不变,低4位置0) 【图三】将图一用误差扩散法转换成16级灰度。
    可看出图3效果好于图2

    4.采样与量化

    大多数传感器(如CMOS)的输出是连续信号波形,为了产生一幅数字图像,需要把连续的感知数据转化为离散的数字形式,这包括两种处理:取样和量化
    - 取样(Sampling):图像函数定义域(空间坐 标)的数字化
    - 量化(Quantization):图像函数值域(灰度值) 的数字化

    4.1 采样

    采样通常为求每个像素对应区域内的积分均值,实际中,模拟信号都是电流\电压值,经过A/D转换为数字信号,具体可参考VB工业编程。

    采样点越多,数据量越多,图像越清晰

    4.2量化

    量化常分为2^m,m=8最常见,即把模拟信号最大最小值中分段量化

    量化阶数越高,视觉效果越好

    5.图像质量

    • 亮度
    • 对比度(最大亮度/最小亮度)
    • 尺寸大小
    • 细微层次(模糊)
    • 颜色饱和度

    6.图像存储与格式

    (1) BMP(BitMaP)格式
    (2) GIF(Graphics Interchange Format)格式
    (3) TIFF(Tagged Image Format File)格式
    (4) JPEG(Joint Photographic Expert Group)格式

    关于图像存储与格式,需要大篇篇幅去论述,通常分为head和data两部分,在开发中不会过多涉及格式问题,因此不再详细叙述,知识总结1就先写到这里,莫名累。。。。。

    参考链接

    wiki-变换矩阵
    wiki-像素
    pku-cys
    Tsinghua-Tipa

    作者:@Awiny

    展开全文
  • 图像处理技术(一)图像处理基础知识

    千次阅读 多人点赞 2018-08-30 15:52:26
    图像处理的概念是对图像信息进行加工处理,以满足人的视觉心理和实际应用的需求。 模拟图像:连续图像,采用数字化(离散化)表示和数字技术处理之前的图像。 数字图像:由连续的模拟图像采样和量化而得的图像,...

    1.1基本概念

    图像处理的概念是对图像信息进行加工处理,以满足人的视觉心理和实际应用的需求。

    模拟图像:连续图像,采用数字化(离散化)表示和数字技术处理之前的图像。

    数字图像:由连续的模拟图像采样和量化而得的图像,组成其基本单位是像素。

    像素的值代表图像在该位置的亮度或灰度,称为图像的灰度值。

    数字图像像素具有整数坐标和整数灰度值。

    1.2

    图像增强:调整图像的对比度,突出重要细节,改善图像质量。

    图像复原和校正:去噪声、去模糊。使得图像能够尽可能地贴近原始图像。

    图像的平滑:图像的去噪声处理(通过滤波算法),为了去除实际成像过程中,因成像设备和环境所造成的图像失真,提取有用的信息。

    边缘锐化:加强图像的轮廓边缘和细节(一般轮廓边缘都处于灰度突变的地方),通过基于微分锐化算法使灰度反差增强。

    图像分割:图像分割就是把图像分成若干个特定的、具有独特性质的区域。

    2.1

    计算机图像处理的几个内容:

    如何对模拟图像进行采样、量化以产生数字图像?

    如何压缩图像数据以便存储和传输?

    如何对数字图像做各种变换以方便处理?

    采样是空间上的离散化,量化是灰度上的离散化。

    图像采样就是在水平和垂直方向上等分隔地分割成网状。

    量化是在每个采样点上进行的,所以必须先采样后量化。两者都是图像数字化不可或缺的两个操作,两者紧密相关,同时完成。

    图像量化实际就是将图像采样后的样本值的范围分为有限多个区域,落入某区域中的值用同一值表示,从而用有限的离散数值量来代替无限的连续模拟量。量化时确定的离散取值个数称为量化级数,表示量化的色彩和亮度值所需的二进制位数称为量化字长,一般量化字长为8位、16位或24位,量化字长越大,越能真实反映原有图像的颜色,但存储的字节也越大。

    M、N图像尺寸,K每个像素所具有的离散灰度级数(不同灰度值的个数)

    存一幅图像所需的位数(bit)B=M*N*K 减少K值能增强图像的反差。

    LENA图是永恒的经典,图像处理领域使用最为广泛的标准测试图。

    2.2

    图像模式:

    1、灰度图像:每个像素的信息由一个量化的灰度级来描述的图像,无彩色信息。

    2、黑白图像、二值图像:只有黑白两色没有中间的过渡,像素值为0、1。

    3、彩色图像:数据多采用RGB三基色模型,包含亮度和颜色两类信息。

    色彩的三要素包括色调(光波的不同波长,反映不同颜色的种类)、饱和度(颜色的纯度,颜色的深浅程度)、亮度(光的明亮程度)。HSL模型

     

    2.3

    图像文件格式:

    BMP文件格式 位图文件格式 由文件头、调色板数据、图像数据三部分组成

    GIF  文件格式 存储256色图像

    TIFF 文件格式 相对经典、功能很强的图像文件存储格式

    JPEG文件格式 静止图像压缩标准文件格式

    DICOM  格式 医学图像文件存储格式

    2.4图像质量评价

    客观评价标准:归一化均方误差NMSE、峰值均方误差PMSE、等效信噪比PSNR

    主观评价标准:图像逼真度、图像可懂度

    展开全文
  • 谈谈我学习图像处理的经历与收获

    万次阅读 多人点赞 2016-12-29 12:25:57
    一个Java程序员转到图像处理的亲身经历,感悟与收获。
  • 该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。...
  • 数字图像处理基础知识

    万次阅读 2018-07-06 15:41:45
    1、数字图像: 数字图像,又称为数码图像或数位图像,是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化...2、数字图像处理包括内容: 图像数字化;图像变换;图像增强;图像恢复;图像压缩编码...
  • 图像处理算法工程师面试题

    万次阅读 2017-07-31 09:09:16
    图像基础知识: 1. 常用的图像空间。 2. 简述你熟悉的聚类算法并说明其优缺点。 3. 请描述以下任一概念:SIFT/SURF LDA/PCA 4. 请说出使用过的分类器和实现原理。 5. Random Forest的随机性表现在哪里。 6. Graph-...
  • 本篇文章主要讲解Python调用OpenCV实现图像融合及加法运算,包括三部分知识:图像融合、图像加法运算、图像类型转换。全文均是基础知识,希望对您有所帮助。 1.图像加法运算 2.图像融合 3.图像类型转换
  • hjimce算法类博文目录

    万次阅读 多人点赞 2018-07-07 12:43:32
    hjimce算法类博文目录个人博客:http://blog.csdn.net/hjimce个人qq:1393852684知乎:https://www.zhihu.com/people/huang-jin-chi-28/activities一、深度学习深度学习(七十三)pytorch学习笔记深度学习(七十二)...
  • 数字图像处理:基于MATLAB的车牌识别项目

    万次阅读 多人点赞 2017-07-30 13:48:54
    学过了数字图像处理,就进行一个综合性强的小项目来巩固一下知识吧。前阵子编写调试了一套基于MATLAB的车牌识别的项目的代码。今天又重新改进了一下代码,识别的效果好一点了,也精简了一些代码。这里没有使用神经...
  • 6本值得收藏的数字图像处理书籍!

    万次阅读 2016-11-01 10:32:17
    《数字图像处理基础》  随着台式计算机的处理能力日益增强,各种图像拍摄的设备(例如平板电脑、手机摄像头、数码相机、扫描仪等)的普及,以及互联网的加持,使得数字图像处理变得与文字处理一样普及。...
  • 机器视觉基础知识详解

    千次阅读 2018-08-22 15:57:31
    机器视觉系统是通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变数字化信号;...
  • 直方图均衡化的数学原理

    万次阅读 多人点赞 2020-03-13 13:34:51
    直方图均衡化的数学原理直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度...
  • [Python图像处理] 八.图像腐蚀与图像膨胀

    万次阅读 多人点赞 2020-08-20 12:48:51
    图像的膨胀(Dilation)和腐蚀(Erosion)是两种基本的形态学运算,主要用来寻找图像中的极大区域和极小区域。其中膨胀类似于“领域扩张”,将图像中的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更...
  • 数字图像处理的三个层次

    万次阅读 2017-01-02 11:56:45
    数字图像处理分为三个层次:低级图像处理、中级图像处理和高级图像处理。 (1)低级图像处理内容 内容:主要对图象进行各种加工以改善图象的视觉效果、或突出有用信息,并为自动识别打基础,或通过编码以减少对其所...
  • 我们所说的图像处理实际上就是数字图像处理,是把真实世界中的连续三维随机信号投影到传感器的二维平面上,采样并量化后得到二维矩阵。数字图像处理就是二维矩阵的处理,而从二维图像中恢复出三维场景就是计算机视觉...
  • 图像处理中的数学原理详解(Part2)

    千次阅读 2015-09-22 21:59:09
    结合对图像处理的学习和实践,大致总结了一部分图像处理研究中所需的数学原理基础。这些内容主要涉及微积分、向量分析、场论、泛函分析、偏微分方程、复变函数、变分法等。总结、归纳、提取了上面这些数学课程中,在...
  • 结合对图像处理的学习和实践,大致总结了一部分图像处理研究中所需的数学原理基础。这些内容主要涉及微积分、向量分析、场论、泛函分析、偏微分方程、复变函数、变分法等。总结、归纳、提取了上面这些数学课程中,在...
  • 包含MATLAB代码实现《数字图像处理(MATLAB版)》是把图像处理基础理论论述与软件实践方法相结合的第一本书,它集成了冈萨雷斯和伍兹所著的《数字图像处理》一书中的重要内容和MathWorks公司的图像处理工具箱。...
1 2 3 4 5 ... 20
收藏数 94,510
精华内容 37,804
关键字:

图像处理成基础知识