計算機視覺(二)
濾波和邊緣檢測
1. 空間濾波和頻域濾波
線性濾波和非線性濾波
滑動濾波:
blur 和 boxfilter、高斯濾波器是真正的低通濾波器、與boxfilter相比沒有振鈴現象。
Practice matter:
Matlab 線性濾波器:H=fspecila(‘Gaussian’,7,1);
Opencv:filter2()
非線性濾波器:中值濾波器
Image filtering: compute function of local neighborhood at each position
? Really important!
? Enhance images
? Denoise, resize, increase contrast, etc.
? Extract information from images
? Texture, edges, distinctive points, etc.
? Detect patterns
? Template matching (eg. DIC/DSCM)
https://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html
2. 邊緣濾波
Canny Sobel Laplance
一維圖像:對圖像進行求導。求導是方法:點位置進行後一位置減前一位置進行差分除以2
二維圖像:
圖像求取梯度之前,對噪聲較為敏感,需要事先對圖像進行平滑去噪處理。
Prewitt 邊緣檢測算子:
Sobel 邊緣檢測:
魯濱遜卷積Mask
一階導數為極值的地方在二階導數為0的地方相等。
拉普拉斯變換算子:
對於噪聲較為敏感,所以先用高斯濾波器進行平滑再求二階導。
求梯度的幅值:
水平和垂直導數的平方和求導
Canny算子:
3.項目:車牌檢測 SVM和神經網絡
1. 圖像分割
2.特征提取
3.模式識別
SVM或者神經網絡
車牌的檢測與定位:
1. 從圖片的RGB或IR圖像檢測成灰度
2. 進行高斯濾波進行濾波、
3. 邊緣檢測 sobel 豎直檢測
4.形態化,將連續區域進行白色進行連通
5.去除背景
6. 在原圖像進行可能出現的區域矩形框框起來
7.根據長寬比去除大量的矩形框
8.根據SVM進行圖像矩形框進行分類。得到唯一一個車牌的位置
9. 識別字符用ANN(人工神經網絡)。
計算機視覺(二)