精华内容
下载资源
问答
  • 一般认为机器视觉“是通过光学装置和非接触传感器自动地接受和处理一个真实场景的图像,通过分析图像获得所需信息或用于控制机器运动的装置”,可以看出智能图像处理技术在机器视觉中占有举足轻重的位置。...

    机器视觉(Machine Vision)是人工智能领域中发展迅速的一个重要分支,目前正处于不断突破、走向成熟的阶段。一般认为机器视觉“是通过光学装置和非接触传感器自动地接受和处理一个真实场景的图像,通过分析图像获得所需信息或用于控制机器运动的装置”,可以看出智能图像处理技术在机器视觉中占有举足轻重的位置。

     

      智能图像处理是指一类基于计算机的自适应于各种应用场合的图像处理和分析技术,本身是一个独立的理论和技术领域,但同时又是机器视觉中的一项十分重要的技术支撑。人工智能、机器视觉和智能图像处理技术之间的关系如图1所示。

    图1智能图像处理的支撑作用

     

      具有智能图像处理功能的机器视觉,相当于人们在赋予机器智能的同时为机器按上了眼睛,使机器能够“看得见”、“看得准”,可替代甚至胜过人眼做测量和判断,使得机器视觉系统可以实现高分辨率和高速度的控制。而且,机器视觉系统与被检测对象无接触,安全可靠。

     

    1. 机器视觉技术▲▲▲

     

      机器视觉的起源可追溯到20世纪60年代美国学者L.R.罗伯兹对多面体积木世界的图像处理研究,70年代麻省理工学院(MIT)人工智能实验室“机器视觉”课程的开设。到80年代,全球性机器视觉研究热潮开始兴起,出现了一些基于机器视觉的应用系统。90年代以后,随着计算机和半导体技术的飞速发展,机器视觉的理论和应用得到进一步发展。

     

      进入21世纪后,机器视觉技术的发展速度更快,已经大规模地应用于多个领域,如智能制造、智能交通、医疗卫生、安防监控等领域。目前,随着人工智能浪潮的兴起,机器视觉技术正处于不断突破、走向成熟的新阶段。

     

      在中国,机器视觉的研究和应用开始于20世纪90年代。从跟踪国外品牌产品起步,经过二十多年的努力,国内的机器视觉从无到有,从弱到强,不仅理论研究进展迅速,而且已经出现一些颇具竞争力的公司和产品。估计随着国内对机器视觉研究、开发和推广的不断深入,赶上和超越世界水平已不是遥不可及的事情了。

     

      常见机器视觉系统主要可分为两类,一类是基于计算机的,如工控机或PC,另一类是更加紧凑的嵌入式设备。典型的基于工控机的机器视觉系统主要包括:光学系统,摄像机和工控机(包含图像采集、图像处理和分析、控制/通信)等单元,如图2所示。机器视觉系统对核心的图像处理要求算法准确、快捷和稳定,同时还要求系统的实现成本低,升级换代方便。

    图2机器视觉系统案例

     

    2. 智能图像处理技术▲▲▲

      机器视觉的图像处理系统对现场的数字图像信号按照具体的应用要求进行运算和分析,根据获得的处理结果来控制现场设备的动作,其常见功能如下:

     

      (1)图像采集

      图像采集就是从工作现场获取场景图像的过程,是机器视觉的第一步,采集工具大多为CCD或CMOS照相机或摄像机。照相机采集的是单幅的图像,摄像机可以采集连续的现场图像。就一幅图像而言,它实际上是三维场景在二维图像平面上的投影,图像中某一点的彩色(亮度和色度)是场景中对应点彩色的反映。这就是我们可以用采集图像来替代真实场景的根本依据所在。

     

      如果相机是模拟信号输出,需要将模拟图像信号数字化后送给计算机(包括嵌入式系统)处理。现在大部分相机都可直接输出数字图像信号,可以免除模数转换这一步骤。不仅如此,现在相机的数字输出接口也是标准化的,如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等,可以直接送入计算机进行处理,以免除在图像输出和计算机之间加接一块图像采集卡的麻烦。后续的图像处理工作往往是由计算机或嵌入式系统以软件的方式进行。

     

      (2)图像预处理

      对于采集到的数字化的现场图像,由于受到设备和环境因素的影响,往往会受到不同程度的干扰,如噪声、几何形变、彩色失调等,都会妨碍接下来的处理环节。为此,必须对采集图像进行预处理。常见的预处理包括噪声消除、几何校正、直方图均衡等处理。

      通常使用时域或频域滤波的方法来去除图像中的噪声;采用几何变换的办法来校正图像的几何失真;采用直方图均衡、同态滤波等方法来减轻图像的彩色偏离。总之,通过这一系列的图像预处理技术,对采集图像进行“加工”,为体机器视觉应用提供“更好”、“更有用”的图像。

     

      (3)图像分割

      图像分割就是按照应用要求,把图像分成各具特征的区域,从中提取出感兴趣目标。在图像中常见的特征有灰度、彩色、纹理、边缘、角点等。例如,对汽车装配流水线图像进行分割,分成背景区域和工件区域,提供给后续处理单元对工件安装部分的处理。

     

      图像分割多年来一直是图像处理中的难题,至今已有种类繁多的分割算法,但是效果往往并不理想。近来,人们利用基于神经网络的深度学习方法进行图像分割,其性能胜过传统算法。

     

      (4)目标识别和分类

      在制造或安防等行业,机器视觉都离不开对输入图像的目标进行识别和分类处理,以便在此基础上完成后续的判断和操作。识别和分类技术有很多相同的地方,常常在目标识别完成后,目标的类别也就明确了。近来的图像识别技术正在跨越传统方法,形成以神经网络为主流的智能化图像识别方法,如卷积神经网络(CNN)、回归神经网络(RNN)等一类性能优越的方法。

     

      (5)目标定位和测量

      在智能制造中,最常见的工作就是对目标工件进行安装,但是在安装前往往需要先对目标进行定位,安装后还需对目标进行测量。安装和测量都需要保持较高的精度和速度,如毫米级精度(甚至更小),毫秒级速度。这种高精度、高速度的定位和测量,倚靠通常的机械或人工的方法是难以办到的。在机器视觉中,采用图像处理的办法,对安装现场图像进行处理,按照目标和图像之间的复杂映射关系进行处理,从而快速精准地完成定位和测量任务。

     

      (6)目标检测和跟踪

      图像处理中的运动目标检测和跟踪,就是实时检测摄像机捕获的场景图像中是否有运动目标,并预测它下一步的运动方向和趋势,即跟踪。并及时将这些运动数据提交给后续的分析和控制处理,形成相应的控制动作。图像采集一般使用单个摄像机,如果需要也可以使用两个摄像机,模仿人的双目视觉而获得场景的立体信息,这样更加有利于目标检测和跟踪处理。

    3. 机器视觉的应用▲▲▲

      如图3所示,机器视觉应用广泛,如安防、制造、教育、出版、医疗、交通、军事领域等。在这些机器数额的应用中,智能图像处理都是不可或缺的,这里仅简要介绍其中几个方面的应用。

    图3常见机器视觉应用场合

     

      (1)智能制造

      为了实现中国智能制造2025这一宏伟目标,离不开机器视觉。例如,在智能图像处理一直处于领先地位的广东迅通科技股份有限公司(以下简称“迅通科技”)针对这一需求开发出了机器视觉分析仪平台,见图4。其中,迅通科技为某知名汽车厂商装配流水线开发的车门限位器自动定位、检测和识别的系统,见图5。该系统通过智能图像识别方式,自动检测型号是否正确,定位是否准确,完全代替了人工操作,检测准确率达到100%。此前,每个工位需要4个工人用眼睛来检查、定位16种型号限位器,员工不仅很容易疲劳,还时常出现差错。

      (2)教育考试

      考试试卷时常发现因排版或印刷错误影响学生考试,利用智能图像处理技术,机器自动对印刷后的试卷和原版试卷进行比对,发现不一致之处,会自动提示并报警,完全替代之前只能通过人工对试卷进行校验。

     

      (3)出版印刷

      和教育考试类似,专业出版印刷厂由于印刷的图书、报纸杂志,以及承接来自企业产品包装和宣传资料的种类多,数量大,排版和印刷中经常出错。为此,需安排不少专业人员进行校对,耗费大量的资金和时间。通过利用智能图像处理技术进行自动校对,既提高了校对准确度,又缩短了校对时间,降低了印刷成本,缩短了出版物的交付周期。

     

      (4)安防监控

      这是当前备受机器视觉关注的一个领域。机器视觉打破了传统视频监控系统的限制,增加了系统的智能,使得智能视频分析得以逐步实现。以公共场所的视频监控为例,通过运用机器视觉技术,可以实现对可疑人物的自动检测、人脸识别、实时跟踪,必要时还可以实现多摄像机接连跟踪,同时发出告警,存储现场信息。

     

      (5)智能交通

      机器视觉在交通领域有着广泛的应用。例如,在高速公路上及卡口处,对来往车辆进行车型、牌照等识别,甚至对行驶车辆的违规行为进行识别。在汽车上对驾驶员面部图像进行分析,判断驾驶员是否处于疲劳驾驶状态。再如,无人驾驶汽车借助于机器视觉技术,使用摄像头、激光/毫米波/超声波雷达、GPS等感知道路环境信息,自动规划和控制车辆的安全行驶。

     

      有数据显示,2016年全球机器视觉系统的市场规模约46亿美元, 2017年约50亿美元,预计2018年达到55亿美元,年增长率为10%左右。中国机器视觉市场的增长是从2010年开始的,2017年市场规模约68亿元,预计到2020年或达780亿元,市场增长率将超过100%。

    4. 技术瓶颈及今后的发展▲▲▲

      在机器视觉的智能图像处理技术的发展中,还存在不少技术瓶颈,如:

      1)稳定性:某种处理方法往往在研究和开发中表现良好,但在复杂多变的应用环境中,却不时地出现问题。例如人脸识别系统,在目标配合时识别率可高达95%以上,但在实际监控环境下,识别率就会大大下降。

      2)实时性:如果图像的采集速度、处理速度较慢,再加上新近引入的深度学习类算法,加大了系统实时处理的难度,跟不上机器运行和控制的节奏。

      3)准确性:机器视觉系统要求图像识别和测量的准确性接近100%,任何微小的误差都有可能带来不可预测的后果。例如目标定位的误差会使装配出来的设备不符合要求。

      4)系统能力:目前的嵌入式图像处理系统,存在芯片的计算能力不足,存储空间有限等问题,常常不能满足运算量较大的图像处理运算,如神经网络的迭代运算,大规模矩阵运算等。

     

      今后机器视觉中智能图像处理的发展主要体现在以下几个方面:

      1)算法:传统算法继续不断有所突破,新一波人工智能浪潮带来不少新的性能优良的图像处理算法,如深度学习(DL),卷积神经网络(CNN),生成对抗网络(GAN),等等。

      2)实时性:出现更多结构新颖、资源充足、运算快速的硬件平台支撑,例如基于多CPU、多GPU的并行处理结构的计算机,海量存储单元等。

      3)嵌入式:新的高速的信号处理器阵列,超大规模FPGA芯片。

      4)融合处理:从单图像传感器发展到多传感器(多视点)的融合处理,可更加充分地获取现场信息。还可融合多类传感器,如图像传感器、声音传感器、温度传感器等共同完对现场目标定位、识别和测量。

     

      总之,无论是“中国制造2025”还是“工业4.0”都离不开人工智能,离不开计算机视觉,而智能图像处理是机器视觉的核心技术,随着图像处理水平的不断提高,一定会有力地推动机器视觉的迅速发展。

     

    深圳辰视智能科技有限公司是一家集机器视觉、工业智能化于一体的高新技术企业,是由一支中国科学院机器视觉技术研究的精英团队在深圳创立。

    辰视智能拥有基于深度学习的三维视觉引导、机器人运动控制、视觉检测、三维建模等方面的核心技术,并研发了机器人三维视觉引导系统 、机器人二维视觉引导系统、三维检测系统、产品外观检测系统等可根据客户需求定制化的智能产品。以高效·低成本·模块化的方式为自动化集成商、自动化设备厂商、机器人厂家提供机器视觉的相关解决方案。

    辰视智能致力于技术的不断研究、创新、突破,为合作伙伴提供世界领先的机器视觉产品及技术。

    展开全文
  • 数据特征处理 from sklearn import preprocessing import numpy as np x = np.array([[1., -2., 2.], [3., 0., 0.], [0., 1., -1.]]) x_scaled = preprocessing.scale(x) print(x_scaled) print('\n') y = x_...

    数据特征处理

    from sklearn import preprocessing
    import numpy as np
    
    x = np.array([[1., -2., 2.], [3., 0., 0.], [0., 1., -1.]])
    x_scaled = preprocessing.scale(x)
    
    print(x_scaled)
    
    print('\n')
    
    y = x_scaled.mean(axis=0)
    print(y)
    print('\n')
    
    z = x_scaled.std(axis=0)
    print(z)
    print('\n')
    
    x_normalized_l1 = preprocessing.normalize(x, norm='l1')
    print(x_normalized_l1)
    print('\n')
    
    x_normalized_l2 = preprocessing.normalize(x, norm='l2')
    print(x_normalized_l2)
    print('\n')
    
    min_max_scaler = preprocessing.MinMaxScaler()
    x_min_max = min_max_scaler.fit_transform(x)
    print(x_min_max)
    print('\n')
    
    min_max_scaler = preprocessing.MinMaxScaler(feature_range=(-10, 10))
    x_min_max2 = min_max_scaler.fit_transform(x)
    print(x_min_max2)
    print('\n')
    
    binarizer = preprocessing.Binarizer(threshold=0.5)
    x_binarizer = binarizer.transform(x)
    print(x_binarizer)
    print('\n')
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
     
    展开全文
  • SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如: TYPE ASCII HTML Single backticks 'Isn't this fun?' ‘Isn’t this fun?’ Quotes "Isn't this fun?" ...

    第一天开始学这本书,首先安装Anaconda
    在学习如何使用jupyter
    实现的第一步就是:
    import numpy
    numpy.version
    注意上面numpy.__这里是两个下划线

    带尺寸的图片: Alt

    居中的图片: Alt

    居中并且带尺寸的图片: Alt

    当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

    如何插入一段漂亮的代码片

    博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

    // An highlighted block
    var foo = 'bar';
    

    生成一个适合你的列表

    • 项目
      • 项目
        • 项目
    1. 项目1
    2. 项目2
    3. 项目3
    • 计划任务
    • 完成任务

    创建一个表格

    一个简单的表格是这么创建的:

    项目 Value
    电脑 $1600
    手机 $12
    导管 $1

    设定内容居中、居左、居右

    使用:---------:居中
    使用:----------居左
    使用----------:居右

    第一列 第二列 第三列
    第一列文本居中 第二列文本居右 第三列文本居左

    SmartyPants

    SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

    TYPE ASCII HTML
    Single backticks 'Isn't this fun?' ‘Isn’t this fun?’
    Quotes "Isn't this fun?" “Isn’t this fun?”
    Dashes -- is en-dash, --- is em-dash – is en-dash, — is em-dash

    创建一个自定义列表

    Markdown
    Text-to-HTML conversion tool
    Authors
    John
    Luke

    如何创建一个注脚

    一个具有注脚的文本。1

    注释也是必不可少的

    Markdown将文本转换为 HTML

    KaTeX数学公式

    您可以使用渲染LaTeX数学表达式 KaTeX:

    Gamma公式展示 Γ(n)=(n1)!nN\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N 是通过欧拉积分

    Γ(z)=0tz1etdt . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.

    你可以找到更多关于的信息 LaTeX 数学表达式here.

    新的甘特图功能,丰富你的文章

    Mon 06Mon 13Mon 20已完成 进行中 计划一 计划二 现有任务Adding GANTT diagram functionality to mermaid
    • 关于 甘特图 语法,参考 这儿,

    UML 图表

    可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图::

    张三李四王五你好!李四, 最近怎么样?你最近怎么样,王五?我很好,谢谢!我很好,谢谢!李四想了很长时间,文字太长了不适合放在一行.打量着王五...很好... 王五, 你怎么样?张三李四王五

    这将产生一个流程图。:

    链接
    长方形
    圆角长方形
    菱形
    • 关于 Mermaid 语法,参考 这儿,

    FLowchart流程图

    我们依旧会支持flowchart的流程图:

    Created with Raphaël 2.2.0开始我的操作确认?结束yesno
    • 关于 Flowchart流程图 语法,参考 这儿.

    导出与导入

    导出

    如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

    导入

    如果你想加载一篇你写过的.md文件或者.html文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
    继续你的创作。


    1. 注脚的解释 ↩︎

    展开全文
  • 计算机视觉(opencv+tensorflow) 1.1 mac环境搭建 1、下载安装anaconda 2、下载安装tensorflow+配置opencv 3、下载安装notebook Anaconda中搭建环境都是使用Environment进行搭建环境的。...

    计算机视觉(opencv+tensorflow)

    1.1 mac环境搭建

    1、下载安装anaconda
    2、下载安装tensorflow+配置opencv
    3、下载安装notebook

    Anaconda中搭建环境都是使用Environment进行搭建环境的。
    opencv在Anaconda中间已经内置课了,只要在enviroment右侧的列表中搜索opencv就可以进行一键式安装。
    Tensorflow也是可以直接进行一键安装的,进行1个小时进行安装,就可以配置好了环境。
    notebook默认我们就会直接安装好了,只要Lanuch就好了。

    1.2 基本测试案例helloworld

    使用tensorflow进行编程:

    2.3

    2.4

    2.5 OPENCV简介

    我们一般选择的opencv3.3.1版本,一般在macOS下我们下载iOS版本的就可以了。
    一般文件夹是操作的重点,我们具体的在文件夹中进行高亮表示。
    绿色标记,就暂时忽略;
    

    2.6 Tensorflow的运算实质

    tensorflow的实质:张量tensor+计算图graph
    这里的tensor就是数据的意思。


    等所有的课程结束之后,我会把课程的python notebook文件上传到百度云分享给大家。

    展开全文
  • Python+OpenCV实时图像处理

    万次阅读 多人点赞 2020-01-04 23:09:35
    初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼,这里给各位分享一个小项目,可通过摄像头实时动态查看各类图像处理的特点,也可对各位调参、测试有一定帮助。
  • 智能图像处理之透视变换

    千次阅读 多人点赞 2020-09-12 16:52:57
    透视变换介绍 透视变换被广泛应用于投影仪器、倒车影像等...本文拟对摄像头采集回来的图片进行透视变换,在vs中计算出透视变换的矩阵,带入到单片机中处理图像的像素点,使之进行一个视场转换,将世界坐标系转变到
  • 智能图像处理-阳光算法

    千次阅读 多人点赞 2020-02-15 16:16:32
    因为暑假写论文挺无聊,所以打算在2021年7月份写智能图像处理系列文章,当然,还是聚焦于处理阳光带来的影响,但是手里没有赛道的灰度图像,所以如果有车友手里刚好有许多帧图像的话,请联系我。谢谢!!! 阳光...
  • 玩转Python图像处理

    千人学习 2020-06-12 16:58:51
    掌握数字图像的表示方法是进行图像处理的前提和基础,能够为后续的智能图像处理打下坚实基础。 2.  使用好OpenCV开源库对于提升工作效率具有很大的帮助。OpenCV是优秀的开源库,提供了大量的函数帮助我们提升...
  • 一、 人工智能、机器学习与深度学习的多种宽泛定义 在探讨深度学习、机器学习与人工智能的关系之前,先通过一些参考文献对这三个名词尝试进行较为宽泛的定义。 人工智能(Artificial Intelligence, 简称AI): 人工...
  • 摘要:随着数字图像处理技术的不断发展,以图像处理技术为主的交通视频监测技术的研究已成为智能交通系统的重要前沿研究领域。针对智能交通系统、数字图像处理技术的特点,我们可以着重分析研究数字图像处理技术在...
  • 人工智能图像处理在机器人视觉中的应用 在大一学期我参加了学院所组织的新生研讨课,其中图像处理的内容引起了我的兴趣,本文便是基于课上所讲内容与个人思考见解所写。 当我们提到图像处理,我们都会不约而同的...
  • 图像处理】数字图像处理简介

    千次阅读 2019-12-20 10:36:34
    2.模拟图像处理 3.数字图像处理 4.什么是图像 5.数字图像和信号之间的关系 信号 关系 6.如何形成数字图像 7.应用 机器/计算机视觉 计算机图形学 人工智能 信号处理 1.介绍 数字图像处理(Digital Image ...
  • 图像处理

    2019-07-19 11:44:30
    一、图像处理背景介绍 二、图像处理数据集介绍
  • 机器学习、人工智能图像处理学习提纲 人工智能和机器学习很火,图像处理也很火,在竞争如此激烈的领域中想要取得一定的成绩,就必然要求长期的学习。究竟要学习些什么? 半路出身的我也不是很明确,简要列举几个...
  • Zynq-7000图像处理模块设计资料保存:开源智能相机- Xilinx Zynq-7000高清图像处理模块 一、产品概述 Z-turn Board是一款以Xilinx Zynq-7010/7020全可编程...
  • 目前全国大学生智能车竞赛发展越来越快,很多新手入手难,本文介绍了摄像头组的相关软件问题,包括图像处理,控制算法,结构搭建等光机电算各方面的知识。
  • 备战第16届智能车-图像处理进阶-大津法&最佳迭代法前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门...
  • 全国大学生智能汽车竞赛 --图像处理上位机篇 此比赛又名飞思卡尔(Freescare) 杯智能车竞赛, 恩智浦智能车竞赛等。... 因此拥有一项辅助你进行图像处理程序的纠正,改错和验证过程的图像处理辅助系统是参加此比...
  • 人工智能和机器人网站、图像处理网络资源 分类: 网络资源 2011-11-13 00:30 965人阅读 评论(0) 收藏 举报   人工智能和机器人网站、图像处理网络资源 (2007-08-24 12:07:30) 标签: ...
  • 在我的理解里,要实现计算机视觉必须有图像处理的帮助,而图像处理倚仗与模式识别的有效运用,而模式识别是人工智能领域的一个重要分支,人工智能与机器学习密不可分。纵观一切关系,发现计算机视觉的应用服务于机器...
  • 图像处理:电网图资智能识别技术的研究的步骤 预处理算法 滤波 图像增强 图像分割 预处理算法结果:构成训练样本和测试样本 特征提取 形状进行归一化处理 提取各阶矩特征值 特征值进行归一化处理 训练SVM...
  • 图像处理入门教程

    万次阅读 多人点赞 2015-12-29 11:21:24
    最近有人问我图像处理怎么研究,怎么入门,怎么应用,我竟一时语塞。仔细想想,自己也搞了两年图像方面的研究,做个两个创新项目,发过两篇论文,也算是有点心得,于是总结总结和大家分享,希望能对大家有所帮助。在...
  • 图像处理,计算机视觉和人工智能之间的差异 https://medium.com/@pallawi.ds/difference-between-image-processing-computer-vision-and-artificial-intelligence-af670d65055d 作者:Pallawi 图像处理和计算机视觉...
  • python 图像处理

    千次阅读 2018-06-19 14:48:01
    转自:点击打开链接第 1 章 基本的图像操作和处理本章讲解操作和处理图像的基础知识,将通过大量...1.1 PIL:Python图像处理类库PIL(Python Imaging Library Python,图像处理类库)提供了通用的图像处理功能,以...
  • FPGA的图像处理算法

    千次阅读 2019-02-25 15:07:47
    智能机器人、多媒体已经计算机的诞生都离不开数字图象处理技术,随着计算机智能图像处理技术的不断发展,几乎所有领域当中都有数字图象技术的身影。例如军事、公共安全、工业、航天航空、卫星遥感以及生命科学等...
  • 新生研讨课上,曾院长生动形象的给我们介绍了图像处理的有关技术,无论是视频防抖技术,还有基于图像融合技术的照片处理,抑或是对马赛克进行还原,都给我留下了颇深的映像 问题背景和应用前景以及潜在问题 和克隆...
  • 图像处理与识别

    千次阅读 多人点赞 2017-03-23 09:45:48
    数字图像处理是对图像进行分析、加工、和处理... 数字图像处理是信号处理的子类, 另外与计算机科学、人工智能等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上,比如降噪、

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 151,793
精华内容 60,717
关键字:

智能图像处理