【数字图像处理】4.0:灰度图像
【数字图像处理】4.0:灰度图像

灰度图像是二值图像的进化版本,是彩色图像的退化版,也就是灰度图保存的信息没有彩色图像多,但比二值图像多,灰度图只包含一个通道的信息,而彩色图通常包含三个通道的信息,单一通道的理解可以理解为单一波长的电磁波,所以,红外遥感,X断层成像等单一通道电磁波产生的图像都为灰度图,而且在实际中灰度图易于采集和传输等性质的存在导致基于灰度图像开发的算法非常丰富。

【数字图像处理】3.4:二值图像-形态学处理4 其他操作
【数字图像处理】3.4:二值图像-形态学处理4 其他操作

腐蚀和膨胀,进而演化出了开操作和闭操作,后来有演化出了一些其他操作,能够应用于各种不同的场景,比如最简单的边界提取,稍微复杂的孔洞填充,与空洞填充类似的连通分量提取,凸壳不知道在哪方面应用,但是细化和骨架在很多手势识别,步态识别中应用广泛,形态学重建可以算作一种很简单的图像分割,但高速有效。

【数字图像处理】3.3:二值图像-形态学处理 开操作和闭操作
【数字图像处理】3.3:二值图像-形态学处理 开操作和闭操作

开操作,一般会平滑物体轮廓,断开较窄的狭颈(细长的白色线条),所以叫开,并消除细小的突出物。 闭操作,一般也会平滑物体轮廓,但与开操作相反,弥合较窄的间断和细长的沟壑,所以叫闭,消除小的空洞,填补轮廓线的中的断裂。 上述中所有所谓的细,窄都是与结构元SE相比的,所以,关键还是SE。 幂等性(idempotent):就是当对同一SE对图像做开(闭)操作,做一次和做多次,结果是一样的。

【数字图像处理】3.1:二值图像-形态学处理 数学形态学
【数字图像处理】3.1:二值图像-形态学处理 数学形态学

数学形态学(Mathematical morphology)是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀 (形态学)、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。

【数字图像处理】3.0:二值图像
【数字图像处理】3.0:二值图像

对于集合S存在一条通路的条件是,通路的像素的某种排列,相邻像素满足某种邻接关系。例如点p到点q之间有 $A_1,A_2,A_3\dots A_n$ 个像素点,且相邻像素点都满足某种邻接。则p和q间存在通路。如果通路首尾相连,则称闭合通路。S集合中的一点p只存在一条通路,则称为一个连通分量,如果S只有一个连通分量,则称为一个连通集。

【数字图像处理】2.5:图像傅里叶变换(快速傅里叶变换FFT)
【数字图像处理】2.5:图像傅里叶变换(快速傅里叶变换FFT)

上篇已经介绍了关于2D FFT的相关知识,这篇只介绍在图像中的应用,对于一幅图像,做二维FFT后,即可得到其傅里叶变换,傅里叶变换后是二维复数矩阵,因为二维数组,如果是实数,是可以通过变换到0~255通过灰度图像显示出来,而变换结果是复数,所以我们通过显示其幅度,即复数的模,来显示傅里叶谱(幅度谱)

人脸检测分析之 Haar-like,Adaboost,级联(Cascade)
人脸检测分析之 Haar-like,Adaboost,级联(Cascade)

脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。  

人脸检测分析之 Haar-like,Adaboost,级联(Cascade)
人脸检测分析之 Haar-like,Adaboost,级联(Cascade)

写在前面的牢骚话,作为一个非主流工程师,我专业与目前工作都与这些知识相隔十万八千里,所以,我所学习和实现的完全是因为兴趣,目前还研究学习的很浅,谈不上高深,所以还是要继续努力学习。希望和大家多交流,也欢迎伪大牛,假专家板砖伺候,也希望真大牛多指点(真大牛不会啰嗦一堆来显得他知道的多,哈哈),总之,本人还在菜鸟阶段,欢迎指教。0.0本文如有错误请及时留言指出,博主会在第一时间修改,确保不会对其他读者产生副作用。