图像处理知识梳理

5G即将商用,带宽提速,未来必将加快依赖宽带传输的图像和视频应用的产品市场化、普及化。

个人认为,图像和视频的分析和处理是人工智能几大基础理论支撑之一,项目中有些应用,但已经有好几年没有加强理论了,以下简单梳理和整理图像处理相关的基础知识,以备忘。

一、工具

很多,JAVA\C\C++\PYTHON等,可以使用python+opencv+pycharm,快速入门

二、图像的基本属性

通道、像素值、尺寸、位图深度

图像是视频某一时刻的某一帧

三、图像处理

1、颜色空间模型,比如RGB\HSV\YUV等。opencv处理是经常转换为HSV,HUE(色彩)、saturation(饱和度) 、value(值)

2、inrange通道分离和合并,用于对单一颜色物体的跟踪,见像素范围表

3、图像叠加cv.add、cv.substract、divide、multipl(加减乘除),平均mean、逻辑运算(与或非)、方差(分析无效图像)、标准差

4、RIO和泛洪填充,取矩阵像素一定范围替换填充

5、卷积,去噪,中值模糊去椒盐噪声、高斯模糊去高斯噪声、均值模糊、自定义模糊,锐化让图像更加清晰立体

6、 边缘保留滤波,用于美颜,EPF

7、图像直方图,可以应用与相同或相似图像查找,直方图反向投影

8、模板匹配,,用于将图中感兴趣区域找到

9、图像二值化:黑白两种,0黑色255白色,用于计算机识别中提高识别效率。超大图像二值化,分块、局部二值化更好

10、图像金字塔(降低分辨率、更容易存储和显示)

11、图像梯度(像素相减,用于边缘提取),一阶导数soble算子、二阶导数拉普拉斯算子,边缘提取canny

12、直线检测、圆检测(霍夫变换)

13、轮廓发现、对象测量

14、膨胀Dilate(减少或填充弱连接)与腐蚀Erode(分割或弱化连接)

15、开操作(去除小干扰块)闭操作(填充闭合区域),提取水平竖直线

16、黑帽、顶帽、图形学梯度,素描效果

17、基于分水岭的图像分割,Kmeans\高斯混合模型GMM等

以上都是基础知识(见下脑图),实际应用会有大量综合以上基础理论的成熟方法和算法,待续

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190109G1CG7600?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券