array(2) { ["docs"]=> array(10) { [0]=> array(10) { ["id"]=> string(3) "428" ["text"]=> string(77) "Visual Studio 2017 单独启动MSDN帮助（Microsoft Help Viewer）的方法" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(8) "DonetRen" ["tagsname"]=> string(55) "Visual Studio 2017|MSDN帮助|C#程序|.NET|Help Viewer" ["tagsid"]=> string(23) "[401,402,403,"300",404]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511400964" ["_id"]=> string(3) "428" } [1]=> array(10) { ["id"]=> string(3) "427" ["text"]=> string(42) "npm -v；报错 cannot find module "wrapp"" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(4) "zzty" ["tagsname"]=> string(50) "node.js|npm|cannot find module "wrapp“|node" ["tagsid"]=> string(19) "[398,"239",399,400]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511400760" ["_id"]=> string(3) "427" } [2]=> array(10) { ["id"]=> string(3) "426" ["text"]=> string(54) "说说css中pt、px、em、rem都扮演了什么角色" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(12) "zhengqiaoyin" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511400640" ["_id"]=> string(3) "426" } [3]=> array(10) { ["id"]=> string(3) "425" ["text"]=> string(83) "深入学习JS执行--创建执行上下文（变量对象，作用域链，this）" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(7) "Ry-yuan" ["tagsname"]=> string(33) "Javascript|Javascript执行过程" ["tagsid"]=> string(13) "["169","191"]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511399901" ["_id"]=> string(3) "425" } [4]=> array(10) { ["id"]=> string(3) "424" ["text"]=> string(30) "C# 排序技术研究与对比" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(9) "vveiliang" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(8) ".Net Dev" ["catesid"]=> string(5) "[199]" ["createtime"]=> string(10) "1511399150" ["_id"]=> string(3) "424" } [5]=> array(10) { ["id"]=> string(3) "423" ["text"]=> string(72) "【算法】小白的算法笔记：快速排序算法的编码和优化" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(9) "penghuwan" ["tagsname"]=> string(6) "算法" ["tagsid"]=> string(7) "["344"]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511398109" ["_id"]=> string(3) "423" } [6]=> array(10) { ["id"]=> string(3) "422" ["text"]=> string(64) "JavaScript数据可视化编程学习（二）Flotr2，雷达图" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(7) "chengxs" ["tagsname"]=> string(28) "数据可视化|前端学习" ["tagsid"]=> string(9) "[396,397]" ["catesname"]=> string(18) "前端基本知识" ["catesid"]=> string(5) "[198]" ["createtime"]=> string(10) "1511397800" ["_id"]=> string(3) "422" } [7]=> array(10) { ["id"]=> string(3) "421" ["text"]=> string(36) "C#表达式目录树（Expression）" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(4) "wwym" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(4) ".NET" ["catesid"]=> string(7) "["119"]" ["createtime"]=> string(10) "1511397474" ["_id"]=> string(3) "421" } [8]=> array(10) { ["id"]=> string(3) "420" ["text"]=> string(47) "数据结构 队列_队列实例：事件处理" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(7) "idreamo" ["tagsname"]=> string(40) "C语言|数据结构|队列|事件处理" ["tagsid"]=> string(23) "["246","247","248",395]" ["catesname"]=> string(12) "数据结构" ["catesid"]=> string(7) "["133"]" ["createtime"]=> string(10) "1511397279" ["_id"]=> string(3) "420" } [9]=> array(10) { ["id"]=> string(3) "419" ["text"]=> string(47) "久等了,博客园官方Android客户端发布" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(3) "cmt" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511396549" ["_id"]=> string(3) "419" } } ["count"]=> int(200) } 222 学习计算机视觉：（二）计算机视觉的基础 - 爱码网

学习计算机视觉：（二）计算机视觉的基础

1.图像数据处理

  1. 空域分析及变换
    Sobel,拉普拉斯,高斯,中值等
  2. 频域分析及变换
    傅里叶( Fourier )变换
    小波( Wavelet )变换
  3. 模板匹配,金字塔,滤波器组
  4. 特征数据操作
    主成分分析/PCA
    奇异值分解/SVD
    聚类/Cluster

2.图像特征及描述

  1. 颜色特征
    RGB,HSV,Lab等
    直方图
  2. 几何特征
    Edge,Corner,Blob等
  3. 纹理特征
    HOG,LBP,Gabor等
  4. 局部特征
    SIFT,SURF,FAST等

1.图像数据处理（Image Data Processing）

1.1.图片存储原理

• RGB 颜色空间
加法混色,彩色显示器
• 3通道
Red通道
Green通道
Blue通道
• 一个像素颜色值
(b, g, r)
• 取值范围
[0, 255]
[0.0, 1.0]
学习计算机视觉：（二）计算机视觉的基础

1.2.空域分析及变换：滤波/卷积

1.2.1.什么是卷积

学习计算机视觉：（二）计算机视觉的基础
卷积是在每个图片位置(x, y)上进行基于邻域的函数计算。

其中滤波函数又有以下叫法：卷积核、卷积模板；滤波器、滤波模板；扫描窗

不同功能需要定义不同的滤波函数，卷积的作用有以下两个：
1.图像增强：平滑/去燥；梯度/锐化
2.信息提取、检测：边缘、显著点、纹理；模式

卷积的边界补充有以下类型：
学习计算机视觉：（二）计算机视觉的基础

1.2.2.按作用分类卷积的类型

1.平滑/去噪

1.中值滤波
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
2.均值滤波
学习计算机视觉：（二）计算机视觉的基础
3.高斯滤波
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础

2.梯度/锐化

学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础

1.3.频域分析及变换

学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础

1.4.金字塔

学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础
学习计算机视觉：（二）计算机视觉的基础

1.4.模板匹配

模板图片匹配 vs 卷积：
1.作用:同尺度目标检测
2.模板:真实图片 vs 卷积核
3.操作:使用模板图片扫描整个图片 vs 卷积扫描
4.匹配结果:相似度量 vs 权重相加
返回相似度图
相似距离计算：
(标准化)欧式距离
(标准化)相关
(标准化)去均值相关

1.5.代码实践

•平滑滤波
http://docs.opencv.org/master/d4/d13/tutorial_py_filtering.html
•梯度滤波
http://docs.opencv.org/master/d5/d0f/tutorial_py_gradients.html
•傅里叶变换
http://docs.opencv.org/master/de/dbc/tutorial_py_fourier_transform.html
•模板匹配
http://docs.opencv.org/master/d4/dc6/tutorial_py_template_matching.html
•金字塔
http://docs.opencv.org/master/dc/dff/tutorial_py_pyramids.html

2.图像特征及描述(Image Feature & Descriptor)

2.1.特征提取方法(直方图,聚类)

2.1.1.直方图

　　定义：颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。
　　直方图：用于计算图片特征(Feature)、表达(representation)
　　
　　分类：对图片数据/特征分布的一种统计：
　　　　灰度、颜色
　　　　梯度/边缘、形状、纹理
　　　　局部特征点、视觉词汇
　　
　　区间(bin)：
　　　　具有一定的统计或物理意义
　　　　一种数据或特征的代表
　　　　需要预定义或基于数据进行学习
　　　　数值是一种统计量:概率、频数、特定积累
　　
　　维度小于原始数据
　　
　　对数据空间(bin)进行量化方法：
　　　　人工分割
　　　　聚类算法进行无监督学习

2.1.2.聚类(Clustering)

目标:找出混合样本集中内在的组群关系，把一个对象集合分组或分割为子集或类,使得：
• 类内对象之间的相关性高
• 类间对象之间的相关性差

常用方法：
Kmeans (只覆盖)
EM算法
Mean shift
谱聚类
层次聚类

2.2.颜色特征(RGB,HSV,Lab)

2.3.几何特征(Edge,Corner,Blob)

2.4.纹理特征(HOG,LBP,Gabor)

2.5.局部特征(SIFT,SURF)

2.6.代码实践

相关文章：

猜你喜欢
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode