软件开发热点词汇不断推陈出新，cmmi，agile，精益，持续交付，持续集成，灰度……但有一个词其实一直在那里，支持着各种各样的新热点，它是#软件配置管理#。 它也是影响团队软件开发效率的重大因素。英文缩写SCMSCM从软件工程诞生时，甚至诞生前就在那里，因为程序代码文档总是要存放的.SCM发展历经了许多阶段，试做七重境界分级七重境界之第一重共享目录，复制来处理多人合作，每天或每周备份下。每部分只...
分类：
其他好文 时间：
2014-12-21 10:21:35
阅读次数：
221
// 得到 LBP纹理特征值图
// 参数：
// src 为单通道灰度图
// dst 为目标图
// 返回值：
// 返回ture 表示运行正常
// 返回false 表示运行出错
bool GetLBPFeatureImage(IplImage *src, IplImage *dst)
{
if (! src || ! dst) return false;
// 获取图像信息
con...
分类：
其他好文 时间：
2014-12-20 22:10:25
阅读次数：
377
学习DIP第N天
写在前面的废话：
今天学习彩色模型，常用的图像包括彩色图，灰度图，二值图，并且彩色图像->灰度图像->二值图像，为一个退化过程，即图像包含的信息逐步减少，根据冈萨雷斯第三版介绍的篇幅来看，对灰度图相关的算法描述较多，因此，可以说，就目前的算法来说，针对灰度图像的图像处理还是比较成熟的，但不能确定是否将来产生的新的理论能够统一现有所有算法，而且创造出更高级的算法。想要深...
分类：
其他好文 时间：
2014-12-20 14:18:29
阅读次数：
438
灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵定义为像素对的联合分布概率，是一个对称矩阵，它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息，但也反映了相同的灰度级像素之间的位置分布特征，是计算纹理特征的基础。本文介绍了灰度共生矩阵的原理及计算方法，并给出了灰度共生矩阵的C++实现。...
分类：
其他好文 时间：
2014-12-19 17:25:45
阅读次数：
196
高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。 对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为是图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相差比较大...
分类：
其他好文 时间：
2014-12-19 11:37:46
阅读次数：
826
二值化原理：
把一个灰度图像二值化，其实就是找到一个阈值，使这个较低中，灰度大于这个阈值的，设置成255，灰度小于这个阈值的，设置为0。
阈值自适应二值化：
非自适应的二值化呢，有一个问题，就是一个阈值往往只对应一类图像，如果图像的光照变暗了，那个单阈值情况的二值化效果会大大的折扣。自适应二值化其实就是一种根据图片的灰度直方图，得到一个适合本图像的二值化阈值。
本文给出一种自适应阈...
分类：
其他好文 时间：
2014-12-18 09:17:31
阅读次数：
227
引子
要进行人脸的识别，尤其是复杂环境下的人脸识别，就要在捕获人脸图像之后对图像进行预处理的工作，如图像的大小和灰度的归一化，头部姿态的矫正，图像分割等。这样做的目的是改善图像质量，消除噪声，统一图像灰度值及尺寸，为后序特征提取和分类识别打好基础。
该文将就人脸的剪切和归一化操作进行学习探讨，并做一笔记备用。
具体步骤
由于opencv的人脸识别需要输入图片具有相同的尺寸和灰度...
分类：
其他好文 时间：
2014-12-17 22:44:32
阅读次数：
318
1、首先加载原始图片； 2、cvCvtColor(img, source, CV_BGR2GRAY);转化成灰度图像； 3、cvThreshold(source,source_gray,100,255,CV_THRESH_BINARY );进行二值化处理。 由于原始的图片会有一定的角度，需要进行旋转...
分类：
其他好文 时间：
2014-12-17 22:30:06
阅读次数：
641
图像处理中，对一幅图像进行滤波处理，若选用的频域滤波器具有陡峭的变化，则会使滤波图像产生“振铃”，所谓“振铃”，就是指输出图像的灰度剧烈变化处产生的震荡，就好像钟被敲击后产生的空气震荡。如下图：
由卷积定理可将下面两种增强联系起来:
频域增强：
空域卷积：
其中f,g,h分别为输入图像，增强图像，空域滤波函数；F,G,H分别为各自的傅里叶变换。*为卷积符号。
在空间域...
分类：
其他好文 时间：
2014-12-17 00:20:36
阅读次数：
459
我是做Tracking 的，对于速度要求很高。发现傅里叶变换可以使用。于是学习之！
核心： 最根本的一点就是将时域内的信号转移到频域里面。这样时域里的卷积可以转换为频域内的乘积！
在分析图像信号的频率特性时，对于一幅图像，直流分量表示预想的平均灰度，低频分量代表了大面积背景区域和缓慢变化部分，高频部分代表了它的边缘，细节，跳跃部分以及颗粒噪声. 因此，我们可以做相应的锐化和模糊的...
分类：
其他好文 时间：
2014-12-16 10:03:56
阅读次数：
225
