系列3 | CV领域这样入门进阶才是对滴

2019 年 2 月 1 日 计算机视觉战队
新年倒计时 3 天


2月的第一天,回首远望,发现2019我们已经走过了1/12分之一,不知道你们新年的一个月里有了多少收获了呢?

没关系!!!

现在开始,我们一起学习一会吧,不能因为假期而停歇科研的精神,在娱乐(农药&吃鸡)疲劳之间隙,可以和我们一起来简单的学习(真的不用太费脑)

开个小差,可以扫上面的“福"哦,可收集五福哦!

           今天我们学习啥呢?
  今天绝对干货,要认真看哦~

图像处理基本算法

01

图像分辨率降低处理

如果,你手中有一张256*256分辨率的图像,想让它降低为128*128分辨率,可以将源图像划分成2*2的子图像块,然后将2*2的子图像块的所有像素颜色均按照F(i,j)的颜色值进行设定,达到降低分辨率的目的。

案        例


F(i,j)    F(i,j+1)

F(i+1,j)  F(i+1,j+1) 

 变成

F(i,j)  F(i,j)

F(i,j)  F(i,j)

同样的道理,只要你知道这样的应用,就可以把256*256分辨率的图像变成任意分辨率大小,比如变成64*64的分辨率,只需要划分成4*4即可,以此类推。

02

图像单色化处理及亮度、色差和信号值关系

如果,你想把彩色图像变成单色图像,想一想应该能够很简单得出答案!

RGB彩色图像,你只需要将图像的每一个像素中相对应的R, G, B值取出,然后利用(R,R,R),(G,G,G),(B,B,B)的像素重新绘制即可。

在图像中,彩色图像的亮度Y,色差I,信号值Q的关系,应该要理解:

| Y |    |0.31  0.59  0.11   |    | R |
| I | =  |0.60 -0.28  -0.32 | * | G |
|Q |     |0.21  -0.52 -0.31 |    | B |

也就是一个矩阵的乘法,结果如下:

Y = 0.31R + 0.59G+0.11B

I  = 0.60R - 0.28G - 0.32B

Q = 0.21R - 0.52B - 0.31B

03

图像的滤波处理


实际上,在信号处理这个领域中卷积还有广泛的意义。2D卷积需要4个嵌套循环4-double loop,所以它并不快,除非我们使用很小的卷积核。这里一般使用3x3或者5x5。而且,对于滤波器也有一定的规则要求:

· 滤波器的大小应该是奇数,这样它才有一个中心,有中心也就有了半径,例如5x5大小核的半径就是2;

· 滤波器矩阵所有的元素之和应该要等于1,这是为了保证滤波前后图像的亮度保持不变,不按照这个要求也是可以的;

· 如果滤波器矩阵所有元素之和大于1,那么滤波后的图像就会比原图像更亮,反之,得到的图像就会变暗,如果和为0,图像不会变黑,但也会非常暗;

· 对于滤波后的图像,可能会出现负数或者大于255的数值,对于这种情况,将他们直接截断到0和255之间即可,对于负数,可以取绝对值。


图像处理实践


01

无任何处理


02

图像锐化

图像的锐化和边缘检测非常相似,首先要找到图像的边缘,然后把边缘加到原图像上,这样就强化了图像的边缘,使图像看起来更加锐利。

这两者操作统一起来就是锐化滤波器了,也就是在边缘检测滤波器的基础上,再在中心的位置加1,这样滤波后的图像就会和原始的图像具有同样的亮度了,但是会更加锐利,如下:

下面的滤波器会更强调边缘:

03

边缘检测

在模式识别时,检测出图像边缘或者抽出图像轮廓是最常用的操作。迄今为止,已经出现了许多成熟的算法。

例如微分算法掩模算法等。在微分算法中,常使用N*N的像素块,例如3*3的像素块如下:

f(i-1,j-1)  f(i-1,j)  f(i-1,j+1)

f(i,j-1)     f(i,j)      f(i,j+1)

f(i+1,j-1) f(i+1,j)  f(i+1,j+1)

设f(i,j)为待处理的像素,而g(i, j)为处理后的像素。

Roberts算子

g(i, j) = sqrt( (f(i, j) - f(i + 1, j))^2 + (f(i + 1, j) - f(i, j + 1))^2 )

或 g(i, j) = |f(i,j) - f(i + 1,j)| + |f(i+1,j) - f(i,j+1)|

Sobel算子

对数字图像的每一个像素f(i,j),考察它的上、下、左、右邻域灰度的加权值,把各方向上(0度、45度、90度、135度)的灰度值加权之和作为输出,可以达到提取图像边缘的效果,即 g(i,j) = fxr + fyr,其中:

fxr = f(i-1,j-1)+2*f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-2*f(i+1,j)-f(i+1,j+1)

fyr = f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1)

Laplace算子

Laplace算子是一种二阶微分算子。它有两种形式: 4邻域微分算子和8邻域微分算子。

  • 4邻域微分

g(i,j)=|4*f(i,j)-f(i,j-1)-f(i-1,j)-f(i+1,j)-f(i,j+1)|

  • 8邻域微分

g(i,j)=|8*f(i,j)-f(i,j-1)-f(i-1,j)-f(i+1,j)-f(i,j+1)-f(i-1,j-1)-f(i-1,j+1)-f(i+1,j-1)-f(i+1,j+1)|

04
04

浮  雕

以下是45°的浮雕,并且加大滤波器效果如下:

05

高斯模糊

所谓"模糊",可以理解成每一个像素都取周边像素的平均值。

"中间点"取"周围点"的平均值,就会变成1。在数值上,这是一种"平滑化"。在图形上,就相当于产生"模糊"效果,"中间点"失去细节。显然,计算平均值时,取值范围越大,"模糊效果"越强烈。

上面分别是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大,图像就越模糊。从数值角度看,就是数值越平滑。

部分内容摘自于”丑着睡不着“的CSDN内容!感谢~

下一期我们会详细说说灰色图像的基本处理及算法,在此提前祝阅读的您新年快乐!

往期回顾

/计算机视觉入门——1

新手看过来,入门阅读请点击左图!

/计算机视觉入门——2

入门进一步阅读请点击左图!

登录查看更多
2

相关内容

【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
161+阅读 · 2020年5月14日
一份简短《图神经网络GNN》笔记,入门小册
专知会员服务
224+阅读 · 2020年4月11日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
【经典书】Python计算机视觉编程,中文版,363页pdf
专知会员服务
139+阅读 · 2020年2月16日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
354+阅读 · 2020年2月15日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
CV进阶 | 这样的车牌检测你知道吗?
计算机视觉战队
4+阅读 · 2019年2月25日
CV领域这样入门进阶才是对滴——系列1
计算机视觉战队
6+阅读 · 2019年1月24日
深度学习、图像识别入门,从VGG16卷积神经网络开始
数据挖掘入门与实战
8+阅读 · 2018年3月28日
一文让你入门CNN,附3份深度学习视频资源
机器学习算法与Python学习
12+阅读 · 2018年3月10日
干货 | 卷积神经网络入门这一篇就够了
数盟
6+阅读 · 2018年1月18日
BAT机器学习面试1000题系列(第46~50题)
七月在线实验室
7+阅读 · 2017年10月7日
卷积神经网络(CNN)学习笔记1:基础入门
黑龙江大学自然语言处理实验室
14+阅读 · 2016年6月16日
Conceptualize and Infer User Needs in E-commerce
Arxiv
3+阅读 · 2019年10月8日
Arxiv
11+阅读 · 2018年9月28日
Arxiv
3+阅读 · 2018年6月24日
Arxiv
6+阅读 · 2018年5月22日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
10+阅读 · 2017年11月22日
VIP会员
相关VIP内容
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
161+阅读 · 2020年5月14日
一份简短《图神经网络GNN》笔记,入门小册
专知会员服务
224+阅读 · 2020年4月11日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
【经典书】Python计算机视觉编程,中文版,363页pdf
专知会员服务
139+阅读 · 2020年2月16日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
354+阅读 · 2020年2月15日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
相关资讯
CV进阶 | 这样的车牌检测你知道吗?
计算机视觉战队
4+阅读 · 2019年2月25日
CV领域这样入门进阶才是对滴——系列1
计算机视觉战队
6+阅读 · 2019年1月24日
深度学习、图像识别入门,从VGG16卷积神经网络开始
数据挖掘入门与实战
8+阅读 · 2018年3月28日
一文让你入门CNN,附3份深度学习视频资源
机器学习算法与Python学习
12+阅读 · 2018年3月10日
干货 | 卷积神经网络入门这一篇就够了
数盟
6+阅读 · 2018年1月18日
BAT机器学习面试1000题系列(第46~50题)
七月在线实验室
7+阅读 · 2017年10月7日
卷积神经网络(CNN)学习笔记1:基础入门
黑龙江大学自然语言处理实验室
14+阅读 · 2016年6月16日
相关论文
Conceptualize and Infer User Needs in E-commerce
Arxiv
3+阅读 · 2019年10月8日
Arxiv
11+阅读 · 2018年9月28日
Arxiv
3+阅读 · 2018年6月24日
Arxiv
6+阅读 · 2018年5月22日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
10+阅读 · 2017年11月22日
Top
微信扫码咨询专知VIP会员