图像处理

图像处理是对图像进行操作和分析的技术，目的是提高图像质量或者从图像中提取有用的信息。常见的图像处理技术包括图像增强、图像修复、噪声去除、图像分割等。图像处理广泛应用于医学影像、卫星遥感、安防监控、自动驾驶等领域，通过处理图像中的像素，能够实现对图像内容的识别、分析和改进。

双边滤波器在灰度和彩色图像处理中的应用

周四, 10 一月 2019 - 15:32

滤波也许可以说是图像处理和计算机视觉最基础的操作。术语”滤波“最宽泛的理解，即滤波后的图像在某一指定位置的像素值是输入图像在同一位置的某邻域内的所有像素值的函数。例如，高斯低通滤波计算这个邻域内所有像素值的一个权重平均值，其中权重随着距离邻域中心越远而减小。

图像特征提取（形状特征,空间关系特征）

周二, 8 一月 2019 - 16:31

一、形状特征

（一）特点

各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：
①目前基于形状的检索方法还缺乏比较完善的数学模型；
②如果目标有变形时检索结果往往不太可靠；
③许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；
④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。
另外，从2-D图像中表现的3-D物体实际上只是物体在空间某一平面的投影，从2-D图像中反映出来的形状常不是3-D物体真实的形状，由于视点的变化，可能会产生各种失真。

图像的纹理特征

周一, 7 一月 2019 - 13:51

纹理特征

纹理特征刻画了图像中重复出现的局部模式与他们的排列规则，常用于图像分类和场景识别。其只能反映物体表面的特性，无法完全反映出物体的本质属性，所以仅仅利用纹理特征无法获得图像的高层次内容。

优点： 
1. 具有旋转不变性
2. 具有良好的抗噪性能。

缺点： 
1. 当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差
2. 有可能受到光照、反射情况的影响
3. 从2-D图像中反映出来的纹理不一定是3-D物体表面真实的纹理

常用的纹理特征提取方法一般分为四大类：

1. 基于统计的方法：灰度共生矩阵、灰度行程统计、灰度差分统计、局部灰度统计、半方差图、自相关函数等

优点：方法简单，易于实现。
缺点：无法利用全局信息，与人类视觉模型不匹配；计算复杂度较高，计算耗时。

图像处理常用边缘检测算子

周三, 2 一月 2019 - 15:20

边缘是图像中像素值发生剧烈变化而不连续的结果，它存在于目标与背景、目标与目标、区域与区域之间。边缘检测是图像基于边界分割的第一步。由图像灰度的特点，可将边缘类型分为阶梯状边缘（处于图像两个具有不同灰度值的相邻区域之间）、脉冲状边缘（它主要对应细条状灰度值突变区域，可以看做两个背景阶梯状的边缘构成）、屋顶状边缘（它的边缘上升、下降都比较平缓，可以看作是将脉冲状边缘拉伸而得到的）。

图像处理入门：图像增强之空域滤波

周三, 26 十二月 2018 - 10:37

空域滤波分为：1. 图像平滑(去噪声)；2. 图像锐化(突出轮廓)。

其中图像平滑的主要目的是：
1.模糊。在提取较大目标前，去除小的细节或将目标内的小间断连接起来的；
2.消除噪声。改善质量，降低干扰。

平滑滤波对图像的低频分量增强，同时削弱高频分量，用于消除图像中的随机噪声，起到平滑作用。

其中主要包括：1.均值滤波；2.中值滤波；3.高斯滤波。

均值滤波：

常用的插值算法有哪些？

周五, 21 十二月 2018 - 10:52

在三维显示，空间可视化表达和图像处理中，插值处理是比较重要的一个部分。如何能找到快速、简单、有效的插值算法是目前研究者们津津乐道的问题。

GPU图像处理的基本流程

周二, 18 十二月 2018 - 15:44

现代GPU提供了顶点处理器和片段处理器两个可编程并行处理部件。在利用GPU执行图像处理等通用计算任务时，要做的主要工作是把待求解的任务映射到GPU支持的图形绘制流水线上。

通常的方法是把计算任务的输入数据用顶点的位置、颜色、法向量等属性或者纹理等图形绘制要素来表达，而相应的处理算法则被分解为一系列的执行步骤，并改写为GPU的顶点处理程序或片段处理程序，然后，调用3D API执行图形绘制操作，调用片段程序进行处理；最后，保存在帧缓存中的绘制结果就是算法的输出数据。

虽然数字图像处理算法多种多样，具体实现过程也很不相同，但是在利用GPU进行并行化处理时，有一些共性的关键技术问题需要解决，如：数据的加载，计算结果的反馈、保存等。

下面对这些共性的问题进行分析，并提出相应的解决思路。

1. 数据加载

订阅图像处理