Questions tagged «image-processing»

我目前正在参与一个涉及对成像传感器进行编程的项目。我们的传感器给我们带来噪音，因此我们要对其进行纠正。该项目中的其他人提出了拍摄“黑色”图像的想法，即戴上镜头盖并拍摄一个全黑的图像。（很明显，这不是由于噪声引起的）在这一点上，在随后的拍摄中，他从黑色图像中获取像素值，然后从常规拍摄的图像中减去像素值。 图像看起来确实更好，并且可以消除大部分噪点，但是由于以下原因，我不认为这是消除噪点的最佳方法： 固定图像的范围是[-172 194]（366个值），而标准范围是[0 255]。重新绘制时，它的范围回到[0 255]，看起来确实更好，但是我认为这是不正确的。 我应该提到新图像是在弱光下拍摄的。 这种方法对消除噪音是否正确？为什么或者为什么不？

12 matlab  image-processing 

将扫描的文本转换为1位黑白图像时，可以在过程中应用哪些过滤器以改善结果？现在，我遇到了抖动错误，使图像看起来很恐怖的问题。 更新：我认为尝试撤消抖动是一个困难得多的问题。如何将第一张图像转换为单色图像？默认方法convert -monochrome img1 img2如下所示。我还尝试了两步方法：1）减小深度（调色板）和伽玛2）转换为双层图像（未显示）。我玩过的其他东西包括imagemagick的有序抖动（在各种设置下），但是它不如两步法好。

12 image-processing 

使用离散余弦变换的特征对图像的纹理进行分类的可行性如何？谷歌搜索“纹理分类dct”仅使用神经网络找到有关该主题的一篇学术论文。 对于我的应用程序，我有大量带标签的图像，其中整个图像是一致的纹理（例如，毯子，树皮，草地等的特写镜头）。 受前一个问题的启发，我正在考虑以下方法： 将每个图像分成NxN个像素块 取每个块的DCT 将每个DCT展平为1xM阵列，并将其馈送给K-Means聚类算法，并获得每个DCT的聚类标签 通过计算＃3中每个图像的每个标签，计算每个图像的聚类标签的直方图 通过为其提供一组[（直方图，图像标签）]来训练SVM分类器 效果如何？我使用通过SIFT / SURF算法提取的特征实现了一个类似的系统，但是我只能获得大约60％的精度。 我还可以通过哪些其他方式使用DCT对纹理进行分类？

12 image-processing  classification 

我在Matlab中制作了Mobius转换的gif文件，并且一些奇怪的图案开始出现。我不确定是否需要对文件类型/算法有更深入的了解才能理解这种现象，但是我认为可能存在纯粹的数学解释。通过像棋盘一样给复杂平面着色，然后通过获取复杂共轭的倒数来反转图像来获得图像。这是给定缩放的图像的数学伪码kķk： checkerboard:C→{black,white}checkerboard(z):={blackwhiteif ⌊I(z)⌋+⌊R(z)⌋≡0mod2if ⌊I(z)⌋+⌊R(z)⌋≡1mod2image={z∈C:|R(z)|,|I(z)|≤1}color:image→{black,white}color(z):=checkerboard(k/z¯¯¯)棋盘：C→{黑色，白色}棋盘（ž）：={黑色如果 ⌊ℑ（ž）⌋+⌊ℜ（ž）⌋≡0模2白色如果 ⌊ℑ（ž）⌋+⌊ℜ（ž）⌋≡1个模2图片={ž∈C：|ℜ（ž）|，|ℑ（ž）|≤1个}颜色：图片→{黑色，白色}颜色（ž）：=棋盘（ķ/ž¯）\begin{align} &\mbox{checkerboard}:\mathbb C \to\{\mbox{black},\mbox{white}\}\\ &\mbox{checkerboard}(z):=\begin{cases} \mbox{black} & \mbox{if }\lfloor\Im(z)\rfloor+\lfloor\Re(z)\rfloor\equiv 0\mod 2\\ \mbox{white} & \mbox{if }\lfloor\Im(z)\rfloor+\lfloor\Re(z)\rfloor\equiv 1\mod 2 \end{cases}\\ &\mbox{image} = \{z\in\mathbb C:|\Re(z)|,|\Im(z)|\leq 1\}\\ &\mbox{color}:\mbox{image}\to\{\mbox{black},\mbox{white}\}\\ &\mbox{color}(z):=\mbox{checkerboard}(k/\overline{z}) \end{align} 这是，k = 50和k = 200的图片。每张图片的分辨率为1000 \ 1000。我没有信号处理方面的背景知识，但是我很想学习！k = 50 k = 200 1000 × 1000k=1ķ=1个k=1k=50ķ=50k=50k=200ķ=200k=2001000×10001000×10001000\times 1000 编辑： 更具体地说，为什么摩尔纹图案在某些点上与图片的分辨率“同步”？ 莫尔纹可以预测吗？

11 image-processing  aliasing  pattern 

图1.（c）仅显示了从MAGNITUDE光谱重建的测试图像。可以说，低频像素的强度值比高频像素高。 图1.（d）仅显示从PHASE光谱重建的测试图像。可以说，高频（边缘，线条）像素的强度值比低频像素更大。 为什么在仅从MAGNITUDE光谱重建的测试图像和仅从PHASE光谱重建的测试图像之间存在这种强度变化（或交换）的神奇矛盾，它们组合在一起形成原始测试图像？ clc; clear all; close all; i1=imread('C:\Users\Admin\Desktop\rough\Capture1.png'); i1=rgb2gray(i1); f1=fftn(i1); mag1=abs(f1); s=log(1+fftshift(f1)); phase1=angle(f1); r1=ifftshift(ifftn(mag1)); r2=ifftn(exp(1i*phase1)); figure,imshow(i1); figure,imshow(s,[]); figure,imshow(uint8(r1)); figure,imshow(r2,[]); r2=histeq(r2); r3=histeq(uint8(r2)); figure,imshow(r2); figure,imshow(r3);

11 image-processing  matlab  fft  fourier-transform  frequency 

我尝试应用具有特定比例的Gabor滤波器（根据我的lambda和sigma的值，所以它是（7x7）并针对4个方向（0，，ππ4π4\frac{\pi}{4}和3ππ2π2\frac{\pi}{2}）输入灰度图像。3π43π4\frac{3\pi}{4} 在我的代码中，实现了三个步骤： 创建Gabor过滤器 读取RGB图像，然后将其转换为灰度，最后转换为两倍。 将创建的gabor应用于输入图像（在这里，我不确定我的代码是否正确，这就是为什么我需要您的意见） 1）--------------创建Gabor滤镜（大小= 7x7和4个方向） %define the five parameters theta=....; %either 0 or pi/4 or pi/2 or 3pi/4 lambda=3.5; gamma=0.3; sigma=2.8; psi=0; sigma_x = sigma; sigma_y = sigma/gamma; nstds = 5; xmax = max(abs(nstds*sigma_x*cos(theta)),abs(nstds*sigma_y*sin(theta))); xmax = ceil(max(1,xmax)); ymax = max(abs(nstds*sigma_x*sin(theta)),abs(nstds*sigma_y*cos(theta))); ymax = ceil(max(1,ymax)); xmin = -xmax; ymin = …

11 image-processing  matlab  filters  convolution  object-recognition 

我正在开发一个图像处理应用程序，该应用程序使用离散傅立叶变换来实现模糊/锐化。该应用程序或多或少都可以正常工作，但是有关机制的某些内容仍然让我感到困惑。 尤其是如何完成对零频率居中的过程。 我看到的示例通过将输入图像与大小等于输入图像的矩阵相乘来预处理（灰度强度的）输入图像，其值是，其中是行，是列，因此模式交替和 x y（− 1 ）x + y(−1)x+y(-1)^{x+y}Xxxÿyy111−1−1-1 根据说明，这等效于通过在和轴上翻转来交换矩阵的象限。xxxyyy 我知道为什么这样做，并且我想强调一下，我知道我的代码/傅立叶资料正在工作，我只是不明白为什么将输入矩阵乘以1 / -1会导致零频率分量围绕0居中。 谢谢

11 image-processing  fourier-transform 

我正在阅读一些有关图像分割技术的文章，并且想知道现代的，最新的分割算法。 当前哪些是“必读”（即社区中最常用）的细分技术？您与哪些技术接触并发现最有效和最有用的技术（以及针对哪种应用程序）？

11 image-processing  image-segmentation 

我们可以利用图像FFT中的高频分量通常对应于边缘这一事实来在傅立叶域中实现边缘检测算法吗？我确实尝试过将高通滤波器与图像的FFT相乘。尽管生成的图像种类对应于边缘，但它并不是使用卷积矩阵建立的边缘检测。那么，您有什么方法可以在傅立叶域中进行边缘检测，或者根本不可能？

11 image-processing  fft  fourier-transform  edge-detection 

我正在尝试“匹配”图像中的小方块。乍看之下，简单地对这两个数组进行欧几里德距离样式比较以获得“相似性”度量似乎是合理的。这在许多情况下都可以正常工作（根据该指标的“最佳”补丁（最低值）与查询补丁非常相似）。但是，在许多情况下，这会产生非常差的匹配。例如，采用以下两个补丁对： 一堵砖墙的两个补丁，得分为134（这是平均绝对像素差的组成部分之和）： 一块砖墙，一块草，得分123！ 对于人类来说，“显然”草与砖块不匹配，但是该度量标准却相反。问题仅在于局部统计差异。 如果我使用直方图比较之类的方法，我将完全失去所有空间信息-例如，如果一块补丁在顶部是草，而底部是砖，那么它会与底部在草地，顶部是砖的补丁完全匹配（再次，另一个“明显错误”的匹配）。 是否存在一种度量标准，可以将上述两种思想组合成一个合理的值，对于上述对1而言，该值将被评估为“相似”，但对于我的补丁及其垂直镜面示例，该度量值却不相似？ 任何建议表示赞赏！

11 image-processing  distance-metrics  classification  waveform-similarity 

我有一个输入作为3D二进制图像，下面是首选输出： 输入： 首选输出： 如果仅保留尖刺对象，我应该寻找哪种图像处理方法，就像上面的首选输出一样？

11 image-processing  computer-vision  3d 

寻找一个开放源代码系统，该系统允许商业用途对庞大且有机增长的二维图像集合进行图像识别，其中唯一已知的变化是： 图片缩放比例 图片的拍摄角度， 颜色同步偏移量，这意味着由于源图像颜色的捕获和渲染中的不规则性，实例之间存在差异， 裁剪照片， 加水印或文字， 可能的焦点变化，这意味着捕获不清晰，而不是应用了图像处理滤镜。 我可以不必对应用程序进行培训，只要这样做能够带来回报，那么长期来看，我希望二维实例的数量将从最初的数千个增加到数百个千 但这是长期的，我很高兴能找到一个很好的解决方案，每个训练实例包含1000个实例，每个实例10个实例。 更新：该许可证需要能够用于商业内部分发，而无需发布源代码，甚至对于所有拥有二进制文件的人也是如此。该代码永远不会出售，只能在内部使用，但不是每个用户都可以访问源代码，而只能访问接口。

11 image-processing  computer-vision 

这是经过Gabor滤波后获得的图像...除了亮白色的圆形缺陷外，还有什么方法可以去除图像中的线条。 尝试使用其他方向的gabor过滤器得到以下结果： 达到阈值后：哪个还可以，但还不算太好 中值过滤后： 提前致谢

11 image-processing  filters 

我是图像分析的新手。您知道如何以仅获取光纤的方式对图像进行二值化吗？ 一步一步的过程将是很棒的，但是任何提示也将不胜感激。我可以使用Matlab，.NET，并且可以使用任何其他工具。 PS：在此地址您可以找到相同的问题

11 filters  image-processing 

背景：我正在尝试制作一个跟踪视频中大量气泡的系统 我正在使用循环霍夫变换在单图像情况下实现气泡检测。由于遮挡，模糊和其他因素，这种检测永远不会是100％准确的。我正在调整检测程序以提高召回率，可能是以精度为代价的。 完成此操作并将其应用于视频中的一系列帧后，我将获得许多可以表征为4D空间中的点的检测-x位置，y位置，半径和帧索引。 是否有可以从该4D点云恢复曲线的程序？

11 image-processing  noise  computer-vision  opencv  maximum-a-posteriori-estimation