创建网站向导和模板seo在线工具

目录

1.灰度图亮度调整

2.图像模板匹配

3.图像裁剪处理

4.图像旋转处理

5.图像邻域与数据块处理

---

学习计算机视觉方向的几条经验:
1.学习计算机视觉一定不能操之过急，不然往往事倍功半！
2.静下心来，理解每一个函数/算法的过程和精髓，这个知识才真正是你的！
3.计算机视觉的参数非常多，你必须理解透并且学会运用，不然你只能做个调参侠！
4.做一件事就必须要从中学到什么，否则就算是再大的荣誉只是混来的，不真正属于你！
以上经验总结来自Neu.Ise.JiaT.Prof，也是Neu做cv的数一数二的教授了，希望能够带着这些经验继续前进，在cv的学习中有所感悟和收获！

1.灰度图亮度调整

灰度图介绍：
1.灰度图,又称灰阶图。把白色和黑色之间按照对数关系分为若干等级，称为灰度。
2.灰度一般是2的整数次幂并且每个像素采用8比特来表示，灰度可以被量化为256及。
3.改变像素的亮度值是增强图像的常用方法，采用某种函数变换进行增强即可，一般用的比较多的是指数函数。
4.以下我们将展示采用直方图进行增强的效果，对应的函数是histeq()函数。
histeq()函数:
J = histeq(I) 变换灰度图像 I，以使输出灰度图像J的直方图具有64个bin且大致平坦。

%%灰度图亮度调整
clear all
I = imread('tire.tif')
J = histeq(I)
figure
subplot(2,2,1)
imshow(I)
subplot(2,2,2)
imshow(J)
subplot(2,2,3)
imhist(I)
subplot(2,2,4)
imhist(J)
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','histeq','.png'])

2.图像模板匹配

图像模板匹配
1.模板匹配就是在一个图像中识别出与模板相似的区域
因此我们设定输入输出如下所示:
输入：一张原始图像和模板图像
输出：在原始图像中找到与模板图像相似的区域
2.算法的原理也很简单，就是我们拿着模板和一个给定的标准，寻找最贴近标准的图像即可。
对于计算机来说，逐次比对的过程可以是，设置一个与模板相同大小的window, 按照一定的步长，
步长可以自己设定，向左向右依次滑动，会得到不同的子区域，然后逐次比对模板和子区域，找出
最好最符合的就是最为相似的。

%%
%%template matching
%本题的标准就定在0.9
clear
a = imread('a.tif')
[ma na]=size(a)%获取大小
I = imread('text.png')
figure
imshow(I)
[mi,ni]=size(I)%获取大小
afft=fft2(a)%二维傅里叶变换
Ifft=fft2(I)%二维傅里叶变换%计算用于 FFT 的输出图像大小，这是两个图像大小之和减去1。
M = ma+mi-1
N = na+ni-1%拓展到相同的维度
afft(M,N)=0
Ifft(M,N)=0
filtered=ifft2(afft.*Ifft)%对扩展后的频域数据进行逆傅里叶变换
filtered=filtered(1:mi,1:ni)%提取相同的大小区域，方便后续匹配
filtered=filtered/max(max(filtered,[],1))%归一化操作
%将匹配结果中大于0.9的像素设置为1，小于等于0.9的像素设置为0。
result=filtered>0.9
%绘制可视化图
figure
subplot(2,2,1)%模板
imshow(a)
subplot(2,2,2)%匹配图
imshow(I)
subplot(2,2,3)
imshow(filtered)%归一化图全部是0-1
subplot(2,2,4)
imshow(result)%结果图
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','template_matching','.png'])

3.图像裁剪处理

图像的裁剪处理
1.图像的裁剪处理用到imresize()函数.
2.B = imresize(A,scale) 返回图像 B，它是将A的长宽大小缩放图像
scale倍之后的图像。输入图像 A 可以是灰度图像、RGB 图像、二值图像或分类图像。

%%
%图像裁剪
clear
figure
I = imread('ci.bmp')
J = imresize(I,0.5);%边缩小0.5倍
figure
imshow(I)
figure
imshow(J)

4.图像旋转处理

%%
和图像的裁剪差不多，我们也就不细讲了
%%
%图像旋转
clear
I = imread('ci.bmp')
I1 = imrotate(I,45);
% I1 = imresize(I,2,'nearest');
figure
subplot(1,2,1)
imshow(I)
subplot(1,2,2)
imshow(I1,[])
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','iamge_imrptate','.png'])

5.图像邻域与数据块处理

5.图像邻域与数据块处理:
1.某些图像处理运算需要分段处理图像，而不是一次处理整个图像。
2.滑动邻域运算通过对每个像素邻域应用算法，以一次一个像素的方式处理图像。
3.在另一种数据块处理中，图像被分成大小相等且不重叠的数据块，并对每个不同数据块应用算法。
然后，对邻域和数据块进行重组以形成输出图像。

%%
%5.图像邻域与数据块处理
clear
I = imread('tire.tif')
f= inline('uint8(round(std2(x)*ones(size(x))))')
I2 = blkproc(I,[8,8],f)%邻域处理
%绘图可视化
figure
subplot(1,2,1)
imshow(I)
subplot(1,2,2)
imshow(I2,[])
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','image block operation','.png'])