【图像基础】基本的图像处理知识
2016-01-09 21:38
369 查看
一些自己的理解和记录
图像金字塔和尺度空间
图像金字塔是以多分辨率来解释图像的一种结构。每做一次变换,图像的分辨率就会改变,但是图像并没有变得模糊。尺度空间可以理解为用高斯对图像做了卷积,图像的分辨率还是那么大,像素还是那么多,只是细节被平均(平滑)掉了,原因就是高斯了,用周围的信号比较弱的像素和中间那个信号比较强的点做平均,平均值当然比最强信号值小了,这就起到了平滑的作用。所以尺度空间不同会使得图像模糊程度不同,但是分辨率不变。
传统图像金字塔关键在于降采样,每四个像素,求平均作为一个像素,显然分辨率降低了。
不变矩和尺度不变特征转换(SIFT)
不变矩是一种高度浓缩的图像特征,具有平移、灰度、尺度、旋转不变性。因此矩和矩函数经常用于模式识别、图像分类、目标识别和场景分析中。矩在统计学中表征随机向量的分布,灰度图像可以用二维灰度密度函数来表示,因此可以用矩来描述灰度图像特征。hu矩 :利用二阶和三阶规格中心矩可以导出7个不变矩组*(Φ(1)\Phi(1)~Φ(7)\Phi(7)),它们在图像平移、旋转和比例变化时保持不变,对照度比较敏感。
Zernike矩:基于Zernike多项式的正交变换函数,计算更加复杂,在图像旋转和低噪声敏感度方面有较大优越性,可构造任意阶矩,因此广泛应用于目标识别研究。
尺度不变特征变换(SIFT) 是一种计算机视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量。Mikolajczyk和Schmid针对不同的场景,对光照变化、图像几何变形、分辨率差异、旋转、模糊和图像压缩等6种情况,就多种最具代表性的描述子(如SIFT,矩不变量,互相关等10种描述子)进行了实验和性能比较,结果表明,在以上各种情况下,SIFT描述子的性能最好。
SIFT特征计算步骤:
1)、尺度空间的生成;
2)、检测尺度空间极值点;
3)、精确定位极值点;
4)、为每个关键点指定方向参数;
5)、关键点描述子的生成。
相关文章推荐
- ruby、gem、rails之间的关系
- struts2 为什么要基于 webwork
- 类脑计算与神经网络加速
- 对于System.Net.Http的学习(一)——System.Net.Http 简介(转)
- ios书籍推荐
- 用FileZilla创建的Ftp如何使用匿名登录
- sql分组查询 group by having(Oracle 10g宝典第六章读书笔记)
- 3)Java学习笔记:内部类
- 第一章 前言
- vs2015打开cshtml文件失败的解决方法
- JAVA两大框架:Struts2与Webwork的对比
- ClusterControl DB 集群测试
- Windows下写shell脚本到Linux下执行遇到的问题及解决方案
- 图像相似度测量和模板匹配方法
- Java Performance - 优化和分析Garbage Collection/垃圾收集
- 5.3.4 defaultdict对象
- 猿题库 iOS 客户端架构设计(原文地址:http://gracelancy.com/blog/2016/01/06/ape-ios-arch-design/)
- 静态代理模式(不被推荐使用)
- 5.3.4 defaultdict对象
- Ruby IDE: RadRails 下载使用