- 均值滤波器
- Motion Filter
- MAX-MIN滤波器
- 差分滤波器
- Sobel滤波器
- Prewitt滤波器
- Laplacian滤波器
- Emboss滤波器
- LoG滤波器
- 直方图(C++)
- 直方图(python)
11-20题全是关于滤波器的题目
边缘一般是指图像中某一局部强度剧烈变化的区域。强度变化一般有2中情况,阶跃效应和屋顶效应。而边缘检测的任务就是找到具有阶跃变化或者屋顶变化的像素点的集合。 边缘检测基本原理:
- 对于阶跃效应:一阶微分的峰值为边缘点,二阶微分的零点为边缘点。 具体来说,从阶跃效应的那张图可以看到边缘处的斜率(一阶导)最大,所以一阶微分的峰值是边缘点,而斜率是先增大后减小的,即边缘点的二阶导为0处。
- 对于屋顶效应:一阶微分的零点为边缘点,二阶微分的峰值为边缘点。
- 仿射变换(Afine Transformations)——倾斜
- 傅立叶变换
- 傅立叶变换——低通滤波
- 傅立叶变换——高通滤波
- 傅立叶变换——带通滤波
- 霍夫变换:直线检测-霍夫逆变换
- 离散余弦变换
- 离散余弦变换+量化
- YCbCr 色彩空间
- YCbCr+离散余弦变换+量化
- Canny边缘检测:边缘强度
- Canny边缘检测:边缘细化
- Canny 边缘检测:滞后阈值
- 霍夫变换:直线检测
- 霍夫变换:直线检测-NMS
- 霍夫变换:直线检测-霍夫逆变换
- 膨胀(Dilate)
- 腐蚀(Erode)
- 开运算(Opening Operation)
- 闭运算(Closing Operation)
- 形态学梯度(Morphology Gradient)
- 顶帽(Top Hat)
- 黑帽(Black Hat)
- 误差平方和
- 绝对值差和
- 归一化交叉相关
- 零均值归一化交叉相关
- 4邻域连通域标记
- 8邻域连通域标记
- 透明混合(Alpha Blending)(py)
- 4连接数(c++)
- 4连接数(python)
- 8连接数(c++)
- 8连接数(python)
- 细化处理(c++)
- 细化处理(python)
- Hilditch 细化算法(c++)
- Hilditch 细化算法(python)
- Zhang-Suen细化算法(c++)
- Zhang-Suen细化算法(python)
- HOG-梯度幅值・梯度方向(python)
- HOG-梯度直方图(python)
- HOG-直方图归一化(python)
- HOG-可视化特征量(python)
- 色彩追踪(Color Tracking)(python)
- 色彩追踪(Color Tracking)(c++)
- 掩膜(Masking)
- 掩膜(色彩追踪(Color Tracking)+形态学处理)
- 缩小和放大
- 使用差分金字塔提取高频成分
- 高斯金字塔(Gaussian Pyramid)
- 显著图(Saliency Map)
- Gabor 滤波器(Gabor Filter)
- 旋转Gabor滤波器
- 使用Gabor滤波器进行边缘检测
- 使用Gabor滤波器进行特征提取
- Hessian角点检测
- Harris角点检测第一步:Sobel + Gausian)
- Harris角点检测第二步:角点检测
- 简单图像识别第一步:减色化+柱状图^3
- 简单图像识别第二步:判别类别
- 简单图像识别第三步:评估
- 简单图像识别第四步:k-NN
- k-平均聚类算法 第一步:生成质心
- k-平均聚类算法 第二步:聚类
- k-平均聚类算法 第三步:调整初期类别