Questions tagged «image-processing»

通常，图像处理是其输入为图像的任何形式的信号处理，例如照片或视频帧。

3
色度二次采样：如何正确计算数据速率
我很难理解在利用Y'UV图像中的色度二次采样时如何计算数据速率： 我有以下示例进行计算： 图像分辨率：352*288 频率：25 fps 对于（4：4：4），示例计算如下： (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s 到目前为止，一切都很好。 但是现在来了（4：2：0）： (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s 现在，尝试将此示例转换为例如（4：1：1），我意识到我不确定自己是否正确理解如何计算1.5个颜色通道的比率。 我对计算的第一个猜测是在（4：2：0）的情况下： 2/4*3=1.5 color channels 同样，对于（4：1：1），我将计算颜色通道的比率为： 1/4*3=0.75 color channels 但是我根本不确定这是否是正确的方法。 …
1
OpenCV calcHist和calcBackProject用简单的英语
我已经开始尝试使用c ++和opencv，因为我想学习图像处理。 现在，我的第一个练习是使用calcHist和calcBackProject创建皮肤检测器。 但是我不明白几件事： 后台项目的统计解释，以及为什么将其命名为“后台项目” 我对什么是range参数有很好的理解calcBackProject。但是我真的很迷恋calcHist函数中的range参数。 为了获得更高的检测精度，我认为在更多级别上使用反向注入可能是一件好事：在hsv的每个通道的rgb ans的每个通道中。但是我不知道如何结合calcBackProjectrgb和hsv的单独通道的不同结果。 而且我认为我的理解力不佳是由于我对这两种方法所做的理论缺乏（见第一点）引起的。所以请用简单的英语解释一下。
1
您能否描述改变Canny边缘检测器的不同参数的影响？
最后两个问题涉及Canny边缘检测器 Canny边缘检测器的局限性是什么？ 和 分割叶中的静脉的最佳方法？ 该算法的基本概述如下： 一个。应用高斯卷积。（在此处选择） b。应用2D导数 c。跟踪此边缘的脊线并使用滞后性较低和较高的T0和T1（此处将选择和）进行阈值处理（将不在边缘的像素设置为零）。 σσ\sigmaŤ0T0T0Ť1个Ť1个T1 阅读本文以获得更多背景信息。 同时，据称Canny是最优的；当获得实际结果很重要时，和上面列出的调整因子确实有很大的不同。σ，Ť0 ，σ，Ť0，\sigma, T0,Ť1个Ť1个T1 那么，如何实际选择这些（调整）参数呢？即使没有确定的方法或价值，了解这一点的一般技巧是什么？
1
我可以使用哪些插值方法来最紧密地拟合这些曲线？
我正在处理大脑的MRI图像，这些图像的某些区域用手或标记。 我正在尝试提出一个插值函数，该函数将让我描述这些曲线，以便可以使用机器学习技术在未标记的图像（例如和）上自动生成此类标记。 我已经考虑过使用三次样条插值法对曲线进行逼近，但是据我所知，我必须将曲线拆分为多个部分才能进行插值。 我是在正确的轨道上吗，还是有其他（更好的）方法来做到这一点？
1
如何去除图像上的污渍？
我有这个极度扭曲和弄脏的图像 是否可以去除这种污渍？图像修复可以帮助吗？ 请帮忙 编辑：另一张图片 应用各向异性扩散并用imagec表示图像后（MATLAB） 我尝试了粉刷，但是效果不够好 无论如何，我可以改善此输出吗？
2
关于哈雷特的解释
会有人能够给我一些信息或链接等..关于haarlets又名Haar小波状特征。我正在阅读几篇针对我的硕士论文的文章，其中几篇文章简要提到了haarlets。我似乎无法真正了解它们的用途和用法。抱歉，这是一个基本问题。但我真的很感谢有关该主题的一些清晰，结构化的信息。
1
尺度空间理论的理解
在尺度空间理论的信号的尺度空间表示，（在图像的情况下，d = 2）被给出为： 大号（X ，y ; t ）= g （x ，y ; t ）* f （x ，y ）其中g （x ，F（x ），x = （x1个，。。。，Xd）F（X），X=（X1个，。。。，Xd）f(x), x = (x_1, ..., x_d)d= 2d=2d = 2L （x ，y; t ）= g（x ，y; t ）* f（x ，y）大号（X，ÿ;Ť）=G（X，ÿ;Ť）∗F（X，ÿ）L(x, y; t) = g(x, y; t) * f(x, y)G（x …
1
数据分解方法不变于小位移和小规模？
是否存在一种类似于特征值的数据分解方法，该方法可以估计投影矩阵以降低维数，但是如果相同类别的原始数据在比例，移位和旋转方面略有不同（2D），则不会以相似的欧氏距离术语将相似的矢量彼此投影得太远案件）。 ÿ= Ex ;ÿ=ËX;y = E x; 例如ECG分类问题示例。有氧运动的持续时间不同。另外，比例和偏移取决于节拍检测的准确性。因此，由于该变化，属于同一类别的有氧运动可能被投影到很远的地方。
2
基于对数极化DFT的尺度不变图像配准
我正在尝试使用Reddy Chatterji论文中所述的相位相关进行图像配准。就我而言，图像可以相对于彼此缩放和转换。 据我了解，找到相对比例的算法是（请参阅：论文的流程图）： F1 = DFT(I1) F2 = DFT(I2) H1 = Highpass(F1) H2 = Highpass(F2) L1 = LogPolar(Magnitude(H1)) L2 = LogPolar(Magnitude(H2)) PC = PhaseCorrelate(L1,L2) PM = norm(PC) R = IDFT(PhaseCorr/PM) P = Peak(R) Scale = LogBase^P[1] 比例给了我看似荒谬的价值（图像之间存在极大的差异，并且永远无法纠正）。 但是忽略规模，相同的相位相关方法可以很好地进行翻译。所以我怀疑我的对数极坐标变换有问题。这是一个示例，其中我已解决翻译问题-左图是原始图像，右图已被裁剪和翻译-该解决方案显示在原始图的顶部： 为对数极坐标变换，我第一变换成极空间 一世^（ρ ，θ ）= I（ - [R + ρ COS（2 πθñθ），[R-ρ罪（2 πθñθ））一世^（ρ，θ）=一世（[R+ρcos⁡（2πθñθ），[R-ρ罪⁡（2πθñθ）） …
2
检测指尖或指甲的算法
您能为我提供一些有关检测图像中指尖/指甲的最佳算法的建议吗？我想到的第一件事是中提琴-琼斯。重新考虑之后，我得出结论，在应用边缘检测之后，也许可以仅使用休变换。但是，我想提出更多建议。另外，由于这将是一个旨在学习的学生项目，因此不允许我使用OpenCV或类似框架。下面是将要处理的典型图像。（请注意，它不是自顶向下的视图）。无需拇指检测。 典型图片http://www.deviantpics.com/images/BwgPX.jpg
1
关于第二代小波的教程（带提升功能）？
对于一些去噪和去卷积实验，我想对图像应用第二代小波变换（使用提升步骤）。 我知道有几种实现方式，但是其中大多数都使用matlab，而我想使用OpenCV在C ++中工作。由于OpenCV 2.x中没有内置的小波变换实现，因此我计划自己实现（另外，它将对我有好处）。经过研究，我已经找到了有关第二代转换的原始文章，但是我对算法的确切工作方式仍然感到困惑。 以Sweldens的论文[1]作为主要参考：提升方案：第二代小波的构造，我仍然对索引集的定义感到困惑：它们的大小是多少？他们是如何建造的？...K(j)K(j)\mathcal{K}(j) 因此，我的问题是：有没有人知道第二代小波变换的一些资源（论文，教程，幻灯片...），它们的形式类似于教程，或者提供了更多的算法视图（而不是数学视图）。 ，这将有助于我设计自己的实现？ 先感谢您。 参考文献 我的主要参考资料是： [1] Sweldens，W.（1998）。提升方案：第二代小波的构造。SIAM数学分析杂志，29（2），511。 我也在从中学习： [2] Daubechies，I.和Sweldens，W.（1998）。分解小波转换为提升步骤。傅立叶分析与应用杂志，4（3），247–269。 [3] Kovacevic，J.和Sweldens，W.（2000）。小波族在任意维度上递增顺序。图像处理，9（3），480–496。doi：10.1109 / 83.826784
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.