第二講_圖像資料處理Image Data Processing
- 深度模型出現後被弱化,但是思想的影子在深度模型中可以看到的
圖檔存儲原理
- RGB顔色空間:三通道(b,g,r),加法混色
- CMY(K):減法混色,用到印刷中;四個通道(c,m,y,k)
- HSI/HSV顔色空間:基于人類視覺;
- CIE-XYZ顔色空間:國際照明協會,人類視覺系統-視錐細胞:主要有短,中,長波段
- CIE-Lab對色空間
- 單通道灰階圖:Gray=R0.3+G0.59+B*0.11,轉換公式灰階化
空域分析和變換
- 濾波和卷積
- 領域參數選擇,模闆參數設計
- 邊界補充方式:補零;邊界複制(replication),鏡像(reflection),塊複制(wraparound)
- 平滑均值濾波/卷積
- 平滑中值濾波/卷積:有效出去椒鹽噪聲
- 平滑高斯濾波/卷積:離中心越近,權重越大
-
sigma越小,越集中中心區域
-深度模型改進時進行2D->1D降計算
- 梯度Prewitt濾波/卷積
- 梯度Sobel濾波/卷積
- 梯度Laplacian濾波/卷積
- 其中領域大小為超參數,需要實驗确定
- 銳化,LOG
- canny邊緣檢測算子實作
- canny算子
Canny邊緣檢測算法:
step1:用高斯濾波器平滑圖象;
step2:用一階偏導的有限差分來計算梯度的幅值和方向;
step3:對梯度幅值進行非極大值抑制;
step4:用雙門檻值算法檢測和連接配接邊緣。
頻域分析及變換
傅裡葉變換
- 濾波-除去特定頻率和加速計算-時域卷積變為頻域相乘
- 應用信号分解
- 離中心點越遠,頻率越高,越亮幅度越大
- 相位即梯度的方向,不同的相位方向表示不同的邊緣輪廓
- 空域卷積=頻域相乘
高斯金字塔
- 高斯卷積+降采樣
- 高斯金字塔的必要性,直接降采樣損失資訊
- 尺度空間:不同尺度适合不同尺寸的物體,合适的尺度永遠未知。
拉普拉斯字塔Laplacian
- 保留高頻資訊,用于圖像恢複
- 左邊Gaussian Pyramid由上向下;中間Laplacian Pyramid由下到上;右邊圖像是圖像恢複
模闆比對
- 相似度量
C/C++基本文法學習
STL
C++ primer