目錄
Filters
圖片噪聲的處理
很多圖片會有噪聲
滑動平均
計算下一步時不要用10
opencv中滑動平均的實現方式，兩種
blur是歸一化的， boxFilter可以不用歸一化 看opencv文檔
卷積
核是對稱是兩者相同
核不同則數值 不同，但意義相似
低通濾波，高通阻斷
非線性濾波器
中值濾波
中間值
值的權值會不一樣，上面的情況都權值採用1.
雙邊濾波 濾過噪點保邊濾波 很慢 線下可以用
http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html
步長很近，很多像素相同 運算量增大 可以優化 採用不同的方法
2，1---2，3受到力是向下的位移 物體的形變
遍歷很耗時
可以優化 減少計算量
很多常用的方法也可以用來工程問題
Edge detection邊緣檢測
僅有輪廓 簡單的線條 可以知道其重要的形狀信息和語義信息和東西 比全部像素表達的緊湊
幾何視覺 找圖像的水平線
爲什麼會有連續
1 一種是深度不連續
一種不同物體對光的反射率不同 和 陰影等
圖像中如何產生邊緣
真實中更多的是漸變
一維數據 求導 在極值的位置
如何用代碼實現
前後像素的差平均
1X3的模塊表示
亮度增大的方向
上是左右邊緣 豎直邊緣
下 是水平邊緣
最後是梯度 表示幅值
有噪聲 不平滑
直接處理 不能找到邊緣
梯度運算對噪聲很敏感 要先濾波
權重不同
檢測垂直邊緣
濾波器不同翻轉有不同的邊緣
箭頭灰度變化的方向 不是邊緣的方向
找到圖像的不同信息 這樣可以得到圖像信息的某種表達 可以作爲特徵
其它的邊緣檢測的算法
一階導時極值
h高斯濾波
求二階導
只對filter二階層數， filter比較小 3X3或其它
二階導 就是laplacian
二階導時圖像對噪聲很敏感
離散時如何做
梯度方向
大值三個
只需要一個
四個方向，非極值 爲 0
實現的細節
域值太大則檢測的邊緣很少
太小則可能不是的也檢測出來
所以選兩個域值
把兩個結構並起來 有時參數輸入 一個則可能採用了除2另一個值
不是線性濾波 在拐角處會有問題 因爲其在各各方向都變化大
車牌識別
車牌的定位和字符的識別
光線很暗則很有難度
下雨時人物和東西的檢測 如何去除雨水的影響
知識的整合思路很重要
學校單位都有車牌識別
兩個任務 車牌的檢測（定位車牌的位置）--分割圖像---特徵的提取----
OCR
圖像分割：找到感興趣的塊 不能任意枚舉 不然計算量太大
涉及每部分的分割以及其意思
分割和分類
豎直邊緣----域值化---形態學 刪除空白 連通白色區域 包括了是或不是車牌的區域--------漫水填充----得到可能的車牌的位置-----過慮車牌 長寬比固定 -得到一個位置 放射變換 因折射視角的不同 得到若干個區域 完成圖像的分割
---------用圖像的像素 svm分類 數據類型一樣 大小一樣數據維度相同-------完成車牌的檢測和定位----識別
光學字符識別 OCR
找到輪廓---去除噪聲----長寬比 定位字符的位置
每個數字可能是5X5的區域 統計水平和豎直的直方圖
兩個不同方向的直方圖----區別是哪一個字母和數字
SVM
平行 對噪聲的容忍度高
數據有標籤
求極小值 上面是線性的數據 下面非線性的數據 分不開 把數據向高維空間 空間爆炸 kernel 技巧trick
