Questions tagged «image-processing»

我目前正在使用OpenCV作为视觉特征匹配基础的几种特征检测器，并对其性能进行比较。 我正在使用SIFT描述符。在检测MSER和DoG（SIFT）功能时，我已经完成了令人满意的匹配（拒绝了不匹配的匹配之后）。 目前，我正在使用GFTT（要跟踪的良好功能-Harris角）测试我的代码以进行比较，并且因为在最后的应用中，视觉功能跟踪过程中将提供一组GFTT功能。 我使用cv::FeatureDetector::detect(...)它为我提供了一个std::vector<cv::KeyPoint>充满了兴趣检测的特征/关键点/地区。该结构cv::KeyPoint包含有关要素的位置有关的基本信息，以及信息size，并octave在关键点已经被检测到。 在比较不同类型的特征的典型值和参数之前，我对GFTT的最初结果很糟糕：sizeoctave MSER设置大小（10到40px之间），并将八度保留为0 DoG（SIFT）设置大小和八度（大小/八度比在20到40之间） GFTT参数始终为：size = 3，octave = 0 我认为这是因为GFTT功能的主要目的不是用于匹配，而只是用于跟踪。这解释了匹配结果的低质量，因为从如此微小的特征中提取的描述符不再具有歧视性，并且对于许多事物（包括小的1像素偏移）不变。 如果我手动设置size的GFTT至10 - 12，我得到了良好的效果，非常类似于使用时MSER或DOG（SIFT） 。 我的问题是：有没有比10见才能确定增加size（和/或octave）多少更好的方法呢？我想避免对可能的增加进行硬编码，并以编程方式确定它，但是只要我有一些可靠的论据来支持对新的/ 增加 / 估计算法的选择，就可以进行硬编码。sizesizesizesize

9 image-processing  opencv  computer-vision 

我想知道线性或逻辑回归在信号处理（特别是图像处理）方面的超简单应用吗？ 我是一个数学专家，被要求解释一些信号/图像处理人员的数学方法，并且我希望能够使用几个与他们的领域相关的简单示例，但是我对图像处理知之甚少。因此，我并不是在寻找任何复杂的东西（我不知道这个主题，所以越简单越好；我只是希望找到一些东西来证明这些算法的适用性）。 感谢您的帮助！

9 image-processing  algorithms 

我正在开发一个视觉应用程序，该应用程序使用下面的色表和照相机提取图表中每个色块的颜色。为此，我必须首先检测图像中的图表区域，然后将该区域与包含补丁位置的现有模板进行匹配。 我的问题：我需要通过识别图表的四个角来检测色块区域。您可以在下面的图像中看到小插入矩形指示的角。我知道一种解决方法是让用户通过单击选择那些角。但是有什么方法可以自动检测图像中的四个角。

9 image-processing 

我想对图像执行2D haar离散小波变换和逆DWT。您能以一种简单的语言和一种算法来解释2D haar离散小波变换和DWT逆向算法，我可以使用该算法编写2D haar dwt的代码Google提供的信息太技术性了。我了解将图像划分为4个子带的基本操作：LL，LH，HL，HH，但我真的不明白如何编写程序来执行DWT和IDWT我还读到DWT比DCT更好，因为它是对整个图像执行的，然后有一些解释贯穿了我的头顶。我在这里可能是错的，但我认为DWT和DCT压缩技术因为对它们执行DWT或DCT时图像尺寸会减小。希望你们共享一部分知识并增强我的知识。 谢谢 回复：这与图像格式有什么关系。DWT中使用的“像素值”是什么？我假设它是图像的rgb值。 import java.awt.event.*; import javax.swing.*; import java.awt.image.BufferedImage; import javax.swing.JFrame; import javax.swing.SwingUtilities; import java.io.*; import javax.swing.JFileChooser; import javax.swing.filechooser.FileFilter; import javax.swing.filechooser.FileNameExtensionFilter; import javax.imageio.ImageIO; import java.awt.*; import java.lang.*; import java.util.*; class DiscreteWaveletTransform { public static void main(String arg[]) { DiscreteWaveletTransform dwt=new DiscreteWaveletTransform(); dwt.initial(); } static final int …

9 image  image-processing 

我需要检测摄像机平移的速度（水平/垂直），以警告操作员放慢速度。 整个图像作为一个块移动，我不需要实际的方向（尽管H或V将是一个奖励），而我只需要一个近似的大小-即。如果在帧之间移动超过“ N”个像素，则触发。 图像很大且通常是均匀的低对比度场景，我没有任何明显的高光要跟踪。我需要实时（60fps）且不使用所有CPU。 Niave解决方案是在中心选取一个RoI，找到边缘，计算成对的帧之间的相似度，将帧中的一个向左/向右/上/下移动一个像素，重复-查找最小值。 我想知道是否有更聪明的解决方案？

9 image-processing  optical-flow  motion-detection 

使用OpenCV，我可以计算出这两个图像之间的单应性： 和 不用担心右侧的白色奇怪形状，这是由于我使用的智能手机支架所致。由findHomography（）函数提供的单应性（使用通过快速特征检测器和HammingLUT描述符匹配器检测到的点）为： A = [ 1.412817430564191, 0.0684947165270289, -517.7751355800591; -0.002927297251810, 1.210310757993256, 39.56631316477566; 0.000290600259844, -9.348301989015293e-05, 1] 现在，我使用相同的过程，通过使用imagemagick来计算旋转了180度（上下）的相同图像之间的单应性（事实上​​，我同样有兴趣知道旋转90度或90度的关系） 270度...）。他们来了： 和 通过这些图像，单应性变为： B = [ 0.7148688519736168, 0.01978048500375845, 325.8330631554814; -0.1706219498833541, 0.8666521745094313, 64.72944905752504; -0.0002078857275647, -5.080048486810413e-05, 1] 现在，问题是您如何关联A和B？A的两个第一个对角线值接近B中的两个对角线值，但不是很精确（.707805537而不是0.71486885）。我的最终目的是使用所需的关系来变换最终矩阵，从而避免计算代价高昂的图像旋转。

9 image-processing  computer-vision  homography 

我正在使用Rosetta Code上的代码来创建Hough变换。我现在想查找图像中的所有线条。为此，我需要霍夫空间中每个峰的ρ和θ值。五边形的示例输出如下所示： 如何为霍夫空间中可见的每个“热点”找到一个单一的[θ，ρ]坐标？

9 image-processing  matlab  thresholding  hough-transform 

我目前的问题： 我有一个输入3D二值图像（一个只有0和1的3D矩阵），它由半径为r的球体的随机数组成。 我们不知道图像中有多少个球体。 所有球体都具有相同的半径r，但我们不知道半径r。 球体遍布图像中的各个位置，并且可以彼此重叠。 示例图像如下。 我的要求： 半径r是多少？ 目前，我只是将图像变平以摆脱z轴并执行边缘检测，而我正在尝试使用以下方法进行霍夫变换：http : //rsbweb.nih.gov/ij/plugins/hough-circles.html 但是，通过霍夫变换，我看到必须指定变量最小半径，最大半径和圆数。我在下面尝试了一些尝试： 给定正确的参数，霍夫变换可以很好地检测到圆。但是在实际应用中，我不知道有多少个球体，使程序尝试猜测最小和最大半径似乎是不可行的。还有其他方法可以做到这一点吗？ 交叉链接：https : //math.stackexchange.com/questions/118815/finding-radius-r-of-the-overlappable-spheres-in-3d-image

9 image-processing  3d 

我想在下图中找到蓝色和灰色之间的界线： 更确切地说，该行的终点。 霍夫变换是一种选择吗？如果是，在使用Hough之前应该如何设置图片？ 解决该问题的任何方法都将有所帮助。

9 matlab  image-processing 

如何从图像中分割出大面积的灰色（从白色到黑色）？（如果您在opencv中知道这一点，则可以通过说出在opencv中的操作来回答）。例如给出此图片： 您会看到这是一个很大的灰色区域，可以与其他区域清楚地区分开。如果该区域可以具有任何灰色阴影并且必须实时工作，那么如何分割该区域。 提前谢谢。

9 image-processing  computer-vision 

我正在使用一个似乎可以水平移动颜色的记录设备，并且我想找出我必须在2/3个通道上进行的不移动量，以便获得具有最小颜色失真的图像。 您可以在此处看到，在原始图像中，至少蓝色通道向后移了约1.0像素。 问题是，如何确定最佳的不偏移值，我确定它们不是整数。

9 image-processing 

我有一个有趣的问题要解决。因此，例如，如果我们有一个包含两个纹理（A和B）的黑白图像，我想知道完全覆盖各个纹理的边界的像素值。 我考虑过使用互相关，这会给我图像上模板（图例）的位置簇，但是有没有办法使用它来获取边界的像素值（这些通常是不规则的）？另外，还有其他更好的方法吗？ 一个真实的例子就是在显示一年中三个降雨水平的地图上检测降雨区域。为每个级别分配了图例中存在的纹理，该纹理用于在同一图像上进行纹理匹配。

9 image-processing 

在我们的小组中，我们开发了一种算法，该算法可以将量子力学系统中的抽象信息显示为图像。这样，在给定量子系统的情况下，我们可以获得具有相同信息并使某些特征可见的关联图像。 使用“互相关矩阵”可以获得重要特征之一：我们将图像划分为个子图像，并在所有对之间找到“重叠”。因此，子图像i和j，A i ，j的条目是一个数字，表明它们的相似程度。矩阵尺寸为L 2 × L 2。L×LL×LL\times LiiijjjAi,jAi,jA_{i,j}L2×L2L2×L2L^2\times L^2 问题是：此矩阵或近亲是否用于图像处理？如果有，它有名字吗？它具有任何有趣的属性，或者对任何有用的算法有帮助吗？

9 image-processing 

我正在尝试使用霍夫变换进行边缘检测，并希望使用渐变图像作为基础。 我迄今所做，给出的图像I尺寸的[M,N]和它的部分衍生物gx，gy是计算中的每个像素作为梯度角thetas = atan(gy(x,y) ./ gx。同样，我将梯度幅度计算为magnitudes = sqrt(gx.^2+gy.^2)。 要构建霍夫变换，我使用以下MATLAB代码： max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) + 1; hough(rho_idx, theta_idx) = hough(rho_idx, theta_idx) + …

9 image-processing  edge-detection  image-processing  computer-vision  image-registration  discrete-signals  noise  bpsk  snr  demodulation  bpsk  multipath  synchronization  timing  image-processing  filters  algorithms  edge-detection  sampling  demodulation  bpsk  synchronization  timing  fft  fourier-transform  delay  audio  speech-recognition  soft-question  discrete-signals  discrete-signals  autocorrelation  frequency  computer-vision