一. 背景介绍 语义分割(Semantic Segmentation)：对一张图片上的所有像素点进行分类，同一物体的不同实例不需要单独分割出来。 实例分割(Instance Segmentation)：目标检测(比b-box更精确到边缘)和语义分割(标出同类不同个体)的结合。 全景分割(Panora ...
分类：
其他好文 时间：
2020-02-26 20:53:02
阅读次数：
196
1、感知野： 在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map） 上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域，如图1所示。 感受野（Receptive Field），指的是神经网络 ...
分类：
其他好文 时间：
2020-02-24 13:10:57
阅读次数：
125
1、边缘检测基础 图像的边缘是图像的基本特征，边缘点是灰度阶跃变化的像素点，即灰度值的导数较大或极大的地方，边缘检测是图像识别的第一步。用图像的一阶微分和二阶微分来增强图像的灰度跳变，而边缘也就是灰度变化的地方。因此，这些传统的一阶微分算子如Robert、Sobel、prewitt等，以及二阶微分算 ...
分类：
其他好文 时间：
2020-02-17 23:57:35
阅读次数：
177
1、图像阈值与二值化 阈值是一种简单的图像分割方法，一幅图像包括目标物体（前景）、背景还有噪声，要想从数字图像中直接提取出目标物体，可以设定一个像素值即阈值，然后用图像的每一个像素点和阈值做比较，给出判定结果。 二值化是特殊的阈值分割方法，把图像分为两部分，以阈值T为分割线，大于T的像素群和小于T的 ...
分类：
其他好文 时间：
2020-02-12 23:53:09
阅读次数：
112
Canny边缘检测 使用高斯滤波器，以平滑图像，滤除噪声 计算图像中每个像素点的梯度强度和方向 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘 双阈值检测 通过抑制孤立的弱边 ...
分类：
其他好文 时间：
2020-02-10 18:03:57
阅读次数：
103
Contents 图像数据集基础 全连接神经网络解决图片问题的弊端（前世） 卷积神经网络的今生 网络结构 卷积操作 池化操作 小结 图像数据集基础 数字图像划分为彩色图像、灰度图像、二值图像和索引图像几种。其中，像素是构成图像的基本单位，例如一张28×28像素的图片，即表示横向有28个像素点，纵向有 ...
分类：
其他好文 时间：
2020-02-02 17:54:11
阅读次数：
88
对于计算机而言，颜色不过是像素点对应的一个 24 位的数值。现给定一幅分辨率为 M×N 的画，要求你找出万绿丛中的一点红，即有独一无二颜色的那个像素点，并且该点的颜色与其周围 8 个相邻像素的颜色差充分大。 输入格式： 输入第一行给出三个正整数，分别是 M 和 N（≤ 1000），即图像的分辨率；以 ...
分类：
其他好文 时间：
2020-01-29 16:16:31
阅读次数：
85
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权 ...
分类：
其他好文 时间：
2020-01-27 22:02:31
阅读次数：
77
OpenCV中为我们提供了四种按位运算，分别是按位与、按位或、按位非和按位异或。图像的按位运算本质上就是对像素点值的按位运算，接触过计算机知识的人应该知道，按位运算是针对二进制数而言的，也就是说只有0和1两个值，因此，我们在对图像进行按位运算时，需要将图像转化成灰度图。 假设现在我们有一张五环图像， ...
分类：
编程语言 时间：
2020-01-27 10:53:43
阅读次数：
340
毛玻璃其实就是磨砂玻璃，图像经过毛玻璃模糊效果后能够模糊的看清背后的风景，让人感觉有种朦胧美，让界面看上去很有层次感。我们知道了图像马赛克效果是通过设置一个指定大小的像素块并将其中的所有像素点设置成统一值实现的。与图像的马赛克效果类似，图像的毛玻璃模糊效果也是通过修改像素点的颜色值来实现的，只不过是 ...
分类：
编程语言 时间：
2020-01-21 20:04:34
阅读次数：
148
