图像处理相关书籍

像素点 此回购包含一些有关基本图像处理的单独程序。 它主要是出于个人学习的目的，我将继续编写它们的朴素（纯C）和SIMD（ARM NEON，SSE）优化版本。 随时为该回购创建问题/观看/提出拉取请求。

Digital-Image-Processing 2020 Spring, Digital Image Processing, course of EE, THU 每周知识点、作业、代码及效果。 基础知识（光度学、色度学、颜色空间、Bayer模式）。 空域增强 点操作 模板操作 频域增强 低通滤波器：理想、巴特沃斯低通滤波器 高通滤波器：理想、巴特沃斯高通滤波器 带通、带阻滤波器 高频增强滤波 同态滤波 图像分割 边缘检测与边缘连接 随机抽样一致（RANSAC） 阈值分割 手动选择全局阈值 迭代全局阈值 大津算法（Otsu） 局部分割（4×4） 高斯混合模型(GMM) 基于区域的分割 区域生长法 区域拆分-合并法——四叉树分割 数学形态学图像分割 膨胀运算与腐蚀运算 开运算与闭运算 显着性区域分割——HC && RC算法 伪彩色增强 亮度分层切割 伪彩色变换映射 频域滤波 全彩色图像处理

数字图像处理冈萨雷斯英文原版，仅用于学习交流及研究，祝各位能在图像处理领域越走越远

开放式图像信号处理器（openISP） 介绍 图像信号处理器（ISP）是执行数字图像处理的应用处理器，专门用于将RAW图像（从Imaging Sensors获取）转换为RGB / YUV图像（以进行进一步处理或显示）。 目标 该项目旨在提供ISP的概述，并从硬件角度激发整个ISP管道和一些调整功能。 提议的ISP管道包括以下模块，坏点校正（DPC），黑电平补偿（BLC），镜头阴影校正（LSC），抗混叠噪声滤波器（ANF），自动白平衡增益控制（AWB），彩色滤光片阵列插值（CFA），伽玛校正（GC），色彩校正矩阵（CCM），色彩空间转换（CSC），用于亮度和色度的噪声过滤器（NF），边缘增强（EE），伪彩色抑制（FCS），色相/饱和度控制（HSC）和亮度/对比度控制（BCC）。 ISP管道体系结构参考[1]，直接从本书中获取。 将来将实现一些高级功能，例如宽/高动态范围（W / HDR）和

缩图工具 使用的缩略图生成器示例。 这是一个简单示例，说明如何在笔记本电脑上构建类似于AWS Lambda的功能。 依存关系 依赖关系由使用npm install管理。 npm install 配置 请使用您的本地参数编辑config/development.json ，当前示例指向 本示例仅适用于使用扩展API的Minio服务器 跑步 配置完成后，继续运行。 node thumbnail.js Listening for events on " images " 现在使用mc上传图片 mc cp ./toposort/graph.jpg play/images/ ./toposort/graph.jpg: 34.29 KB / 34.29 KB ┃▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓

CCTag库 检测由同心圆组成的CCTag标记。 在CPU和GPU中均实现。 该库是该文件的实现： Lilian Calvet，Pierre Gurdjos，Carsten Griwodz，Simone Gasparini。 在高度挑战性的条件下对圆形基准的检测和精确定位。 在：计算机视觉和模式识别国际会议论文集（CVPR 2016） ，拉斯维加斯，E.-U.，IEEE计算机学会，p.3。 562-570，2016年6月 //doi.org/10.1109/CVPR.2016.67 如果您想在出版物中引用此作品，请使用以下内容 @inproceedings{calvet2016Detection, TITLE = {{Detection and Accurate Localization of Circular Fiducials under Highly Challengin

Digital-Image-Processing-Project 数字图像处理大作业，图像细粒度分类，CUB-200-2011，Peking University

1.绪论 应用有两个主要方向：（1）改善图片便于人理解；（2）便于机器存储、传输和表示而进行图像处理。 1.1什么的数字图像处理 数字图像处理是指借助于数字计算机来处理数字图像。 1.2数字图像处理的起源 选取CT图像部分：20世纪70年代发明“计算机轴向断层术”简称计算机断层（CT），是数字图像处理在医学诊断领域最重要的应用之一。 2.数字图像基础 图像的函数表述——f(x,y) 灰度级256下，分辨率从2014*1024降到32*32 分辨率不变的情况下，灰度级分别为16、8、4和2 ROI图像选取 空间域图像处理——带通滤除周期噪声 标准差分别为14.3、31.6、49.2 3.灰度变换与空间滤波 主要在空间域，针对像素进行操作。灰度变换主要对单个像素操作，处理对比度和阈值；空间滤波主要针对像素的领域处理。 灰度变换：由r分布到s分布 空间滤波：相当于使用卷积核，可实现多种操作，如平滑、锐化等等 4.频率域滤波 空间域到频域 理想的低通滤波器 低通≈平滑去皱纹 高通≈提取边界信息，如指纹 选择性滤波≈去除周期性的噪声 5.图像复原与重建 图像增强是主观过程；图像复原是客观过程，拟建立退化模型恢复出原图像。 注：这一点在胃癌CT图像中可以建立退化函数。 噪声类型 在某些特定场景的噪声，确实会呈现一种确定分布，这就有了逼近估计的可能性，尤其是知道先验的情况下。 不同参数的湍流退化模型 6.彩色图像处理 分为全彩色处理和伪彩色处理：第一类由全彩色传感器获取；第二类对灰度赋予颜色。 CT均为灰度，在此略过 7.小波和多分辨率处理 小波比传统的傅里叶变换改进在于：除了提供频率还能提供该频率发生的时间点。 多分辨率处理：综合使用多种技术，如子带编码、正交镜像滤波、金字塔图像处理等。 图像金字塔是一种以多分辨率来解释图像的有效但概念简单的结构。应用于图像分割，机器视觉和图像压缩。 金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。 8.图像压缩 图像压缩是一种减少描绘一幅图像所需数据量的技术 9.形态学图像处理 将数学形态学作为工具，从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等。 腐蚀 膨胀 孔洞填充 10.图像分割 之前的处理，输入输出都是图像；从分割开始，有了另一个方向——输入图像输出是某些属性。 灰度图像的分割，分为两类：（1）根据灰度的不连续性，进行边缘分割；（2）根据灰度相似性，把图像分割为几个相似的区域。 1）不连续性—点、线、面，可以用差分以及导数来表示 2）分布特性—阈值处理（全局阈值、局部阈值） 3）基于区域的分割 区域生长、区域分裂与聚合 形态学分水岭 11.表示和描述 对分割后的区域进行表示和描述，也从两种角度：（1）外部特征（如边界）；（2）内部特征（组成像素）。 表示：边界追踪、链码、最小周长多边形近似 边界描述：简单描绘子、形状数、傅里叶描绘子、统计矩 区域描绘子：简单描绘子、拓扑描绘子、纹理、不变矩 主分量描绘 关系描绘子 注：纹理分析是区域描绘中的一种方法。 12.目标识别 主要分为两大领域：决策理论方法（定量）和结构方法（定性）。 基于决策理论的识别： （1）最小距离分类器 （2）相关匹配 （3）统计分类器，如高斯分类器 （4）神经网络 总结： 这本书很经典，即使在深度学习火热的情况下，也没有逃离这经典的结构。依旧是完成了一种特征提取描述以及匹配分类的过程。

使用SIMD的C ++图像处理库：SSE，SSE2，SSE3，SSSE3，SSE4.1，SSE4.2，AVX，AVX2，AVX-512，VMX（Altivec）和VSX（Power7），NEON for ARM。 简介Simd库是一个免费的开源图像处理和机器学习库，专为C和C ++程序员设计。 它为图像处理提供了许多有用的高性能算法，例如：像素格式转换，图像缩放和过滤，从图像中提取统计信息，运动检测，对象检测（HAAR和LBP分类器级联）和分类，神经网络。 通过使用不同的SIMD CPU扩展来优化算法。