0. 简介 CUDA作为并行加速的利器，目前已经被越来越多的利用在图像处理领域中，很多时候我们需要做耗时的图像工作时，使用GPU加速是一个很好地解决方法。充分利用CUDA架构特有的常量存储器和共享存储器对普通并行算法进行改进.讨论了如何根据程序和显卡设备的固有属性来分配线程以达到最高的GPU占用率，从而得到最优的加速效果。 1. CUDA加速 在基于GPU的并行系统中, CPU和GPU各司其
写在前面 盒子滤波是一种非常有用的线性滤波，也叫方框滤波，最简单的均值滤波就是盒子滤波归一化的情况。 应用：可以说，一切需要求某个邻域内像素之和的场合，都有盒子滤波的用武之地，比如：均值滤波、引导滤波、计算Haar特征等等。 优势：就一个字：快！它可以使复杂度为O(MN)的求和，求方差等运算降低到O(1)或近似于O(1)的复杂度，也就是说与邻域尺寸无关了，有点类似积分图吧，但是貌似比积分图
写在前面 Canny边缘检是在在1986年提出来的，到今天已经30多年过去了，但Canny算法仍然是图像边缘检测算法中最经典、先进的算法之一。 相比Sobel、Prewitt等算子，Canny算法更为优异。Sobel、Prewitt等算子有如下缺点： 没有充分利用边缘的梯度方向。 最后得到的二值图，只是简单地利用单阈值进行处理。 而Canny算法基于这两点做了改进，提出了：
写在前面 首先，搞清楚几个概念：滤波(高通、低通、带通、带阻) 、模糊、去噪、平滑，看下图： 滤波是对输入信号进行卷积处理的一个过程，写成一个表达式的形式是这样的：滤波 = 卷积（ 输入信号 ，卷积模板 ）， 卷积模板/掩膜 的不同决定了不同的滤波方式，也因此产生了高通、低通、带通、带阻等基本的滤波方式。 针对低通滤波，就是保留将信号中的低频部分，抑制高频部分。要达到这个目的，可以利用均
大津法是由大津展之（おおつのぶゆき）发明的算法，故称大津法。 一、 数学原理 大津法又叫最大类间方差法、最大类间阈值法（OTSU）。它的基本思想是，用一个阈值将图像中的数据分为两类，一类中图像的像素点的灰度均小于这个阈值，另一类中的图像的像素点的灰度均大于或者等于该阈值。如果这两个类中像素点的灰度的方差越大，说明获取到的阈值就是最佳的阈值（方差是灰度分布均匀性的一种度量
最近老师布置了一个边缘检测的作业，我借此机会详细学习了一下canny算子，在此进行总结，并分别给出OpenCV代码和MATLAB代码，自己水平有限，若有错误或者更好的编程方法，请广大网友留言，一定虚心学习。好了废话少说，直接开始吧。 基本原理 须满足条件：抑制噪声；精确定位边缘。 从数学上表达了三个准则[信噪比准则（低错误率）、定位精度准则、单边缘响应准则]，并寻找表达式的最佳解。
写在前面 应用场景：Bresenham算法是图象图形学中的经典算法，在图形渲染、图像画线都会用到它，非常非常著名。 特点：原理简单（思想很伟大），计算高效，没有浮点型运算，很适合在硬件实现。 这样一个经典、强大的算法还是十分值得学习和记录的！ 算法原理 从数学的角度，建立一个坐标系，当我们在坐标系中画一条线时，这条线上的值（坐标的连续的）；但是计算机中的图像是以一个一个像素组成的，是一个
写在前面 再过2个小时，就是2020年了，回顾2019，有得也必有失，只感叹时间过得真的很快，像我这样的贫困人口也要被消灭了，哈哈。2019最后这2个小时就用一篇博客作为结尾吧。 昨天CSDN上一位同学说他们要做一个豆子识别的任务，但是豆子之间的粘连比较严重，如下图，不利于豆子的识别，问我有什么方法可以解决，当然深度学习完全可以做到完美分割与识别，但是他的需求只是预处理，传统的图像处理就可以，
很有意思，现在家家户户的老旧闲置手机太多了，这里提供了一种变废为宝的方法。不会传视频，请看链接：https://tieba.baidu.com/p/8171205345https://tieba.baidu.com/p/8171206776大家可以聊一聊啊，老旧闲置手机还有什么用处呢，比如用这种方法还可以做扫地机器人啊，智能窗帘啊什么的。这种方法成本很低哦。UP主：https://space.bi
写在前面 从均值滤波开始，着手实现各种常用的滤波算法。均值滤波是一种线性滤波。图像的空域滤波无非分为两种，线性滤波和非线性滤波。由于我之前对线性、非线性理解不够清晰，这次就好好总结一下吧。 线性滤波：对邻域中的像素的计算为线性运算时，如利用窗口函数进行平滑加权求和的运算，或者某种卷积运算，都可以称为线性滤波。常见的线性滤波有：均值滤波、高斯滤波、盒子滤波、拉普拉斯滤波等等，通常线性滤波器之间只
github地址：https://github.com/2209520576/Image-Processing-Algorithm 首先感谢大牛博客：http://handspeaker.iteye.com/blog/1545126 https://www.cnblogs.com/yssongest/p/5303151.html
写在前面 中值滤波器是一种非线性滤波器，或者叫统计排序滤波器。 应用：中值滤波对脉冲噪声(如椒盐噪声)的抑制十分有用。 缺点：易造成图像的不连续性。 原理 原理很简单，如果一个信号是平缓变化的，那么某一点的输出值可以用这点的某个大小的邻域内的所有值的统计中值来代替。这个邻域在信号处理领域称之为窗（window）或者模板（Mask）。模板开的越大，输出的结果就越平滑，但也可能会把我们有用的
github地址：https://github.com/2209520576/Image-Processing-Algorithm 图像的缩放很好理解,就是图像的放大和缩小。传统的绘画工具中,有一种叫做“放大尺”的绘画工具，画家常用它来放大图画。当然，在计算机上，我们不再需要用放大尺去放大或缩小图像了，把这个工作交给程序来完成就可以了。下面就来讲讲计算机怎么来放大缩小图象；在本文中，我们所说的图
最近由于作业原因，试着用OpenCV实现频率域滤波，但是OpenCV中并没有像MATLAB中fftshift这样的中心化操作，所以我写了一个频率域滤波的函数，以后用频率域滤波的时候在主函数中调用即可。当然，水平有限，编写的代码并不优美，有问题请大家留言批评指正。 在这里我不介绍傅里叶变换，频率域滤波和高斯低通滤波器的原理，想必大家已经有了大概了解，本文关注于OpenCV中的代码实现。
github地址：https://github.com/2209520576/Image-Processing-Algorithm 一.写在前面 几何空间变换是图像处理中的最基础的算法，主要包括图像的旋转，平移，缩放，偏移，组合变换等等，在冈萨雷斯的数字图像处理第三版的第二章就做了相关介绍，最常用的空间坐标变换之一就是仿射变换。虽然仿射变换很基础，但作用还是很大的，例如在车牌识别的预处理
写在前面 在实际应用中，效率是不得不考虑的问题。上一篇博客介绍了均值滤波原理，这一篇就写用积分图实现的快速均值滤波吧。 还是贴一下常规与快速的效率对比吧： 下图是常规均值滤波处理一张分辨率为485*528图像的时间（模板15*15）： 下图是积分图快速均值滤波处理的时间（模板15*15）： 可以说加速后，速度提升很多。而且最重要的是，用积分图的快速均值滤波受模板变化的影响不大！！
写在前面先交代下代码实现的技术细节吧。 1、在最后的代码里，图像反转，对数变换方法1，对比度拉伸，比特平面分层的实现均采用指针访问像素的方式，以前总是用Opencv的at模板，但是指针最为高效，我还是用一下指针吧。当然，还有迭代器访问的方式，也是最为安全的方式，以后试一下。访问元素的方式常用的有四种，详情可以参考：https://www.cnblogs.com/ronny/p/opencv_ro
1. equalizeHist定义 OpenCV官方文档：equalizeHist void equalizeHist( InputArray src, //8位单通道图像 OutputArray dst //与源图像尺寸和类型一致 ); void equalizeHist( InputArray src, //8位单通道图像 OutputArray dst //与源
1. 函数定义 void warpPolar( InputArray src, OutputArray dst, Size dsize, Point2f center, double maxRadius, int flags ); dsize： 目标图像尺寸 center：变换中心（圆心） maxRadius：要变换的圆形的半径，
内容列表 1. 函数定义 1.1 filter2D 1.2 sepFilter2D 1.3 分解卷积核的好处 2. 生成卷积核 1. 函数定义 1.1 filter2D OpenCV官方文档filter2D 图像与内核的卷积。 函数在图像上应用任意线型滤波器。 支持就地调用 void filter2D( InputArray
第三方账号登入
看不清？点击更换
第三方账号登入
QQ 微博 微信