文章目录
- 第一章 课程概述
- 1.研究理论和应用
- 2.计算机和人之间对图像的差异
- 3.课程简介
- 4.主要研究的问题
- 1.图像预处理
- 2.图像特征及描述
- 3.深度学习之前的方法
- 5.神经网络和深度学习基础
- 6.目标检测
- 7.图像分割
- 8.GAN
- 9.环境和开源库
- 10.应用案例环境
- 第二章 图像预处理
- 1.目录
- 2.颜色空间(RGB、CMY、)
- 3.图片灰度化
- 4.图像与处理(实际上是图像增强)
- 5.图像处理方法
- 1.特征提取方法(直方图、CLAHE)
- 1.直方图
- 2.CLAHE
- 2.形态学运算
- 3.空间域处理及其变换
- 1.卷积
- 2.边界填充策略
- 3.均值滤波
- 4.中指滤波
- 5.高斯滤波(模拟人眼)
- 4.如何让卷积更快(空域卷积=频域乘积)
- 5.高斯金字塔
- 6.拉普拉斯金字塔
- 7.傅里叶变换
- 傅里叶变换的不足(解决办法:短时傅里叶变换、加窗傅里叶变换)
- 8.小波变换
- 第三章 图像特征提取
- 1.颜色特征
- 2.边缘特征
- 1.边缘定义
- 2.边缘提取
- 3.基于特征点的特征描述子
- 1.特征点的定义
- 2.Harris角点
- 3.FAST角点检测
- 4.斑点(拉普拉斯梯度==二阶导数==)
- 4.局部特征(SIFT)
第一章 课程概述
1.研究理论和应用
2.计算机和人之间对图像的差异
1.感知上的本质区别
2.视角变化
3.光照变化
4.尺度变化
5.形态变化
6.背景混淆干扰
7.遮挡
8.类内物体的外观差异
3.课程简介
4.主要研究的问题
1.图像预处理
2.图像特征及描述
3.深度学习之前的方法
5.神经网络和深度学习基础
6.目标检测
7.图像分割
8.GAN
9.环境和开源库
10.应用案例环境
张量:高维数组
第二章 图像预处理
1.目录
2.颜色空间(RGB、CMY、)
减法叠加,越叠加越黑,一般是四个通道的
最精确的颜色空间构成
3.图片灰度化
4.图像与处理(实际上是图像增强)
5.图像处理方法
1.特征提取方法(直方图、CLAHE)
1.直方图
2.CLAHE
2.形态学运算
3.空间域处理及其变换
1.卷积
2.边界填充策略
3.均值滤波
4.中指滤波
5.高斯滤波(模拟人眼)
作用:
离得越远,转换出来的图像和看到的图像更接近
降低复杂度
垂直或者水平的变化不大,均值平滑就是1
4.如何让卷积更快(空域卷积=频域乘积)
5.高斯金字塔
高斯金字塔,一般在大图上找小的特征,在小图上找大的特征
6.拉普拉斯金字塔
7.傅里叶变换
傅里叶变换的不足(解决办法:短时傅里叶变换、加窗傅里叶变换)
8.小波变换
第三章 图像特征提取
1.颜色特征
2.边缘特征
1.边缘定义
2.边缘提取
边缘提取除了横向和纵向(单向求导),最难的是斜边(两个方向上的求导)
σ在高斯滤波中代表的是均值,它的大小决定着是瘦高还是扁平
这里引进了梯度的概念
3.基于特征点的特征描述子
1.特征点的定义
2.Harris角点
3.FAST角点检测
4.斑点(拉普拉斯梯度二阶导数)
二阶导数等于0的时候是边界
二阶导数是极大值的时候是斑点(先做高斯,再做拉普拉斯)
4.局部特征(SIFT)