机器视觉-深度学习(第一部分) Deep Learning
深度学习 Deep Learning 多层感知器Multi-Layer Perceptrons （MLP） MLP 是高度参数化的非线性函数 示例：图像分类 $\vec{x}$ 特征向量，例如 图像中所有灰度值的向量 $\vec{y}$ 1-of-q-vector 为 q 个可能类别中的每一个建模概 …
机器视觉
机器视觉-深度学习(第二部分) Deep Learning
深度学习 语义分割和目标检测 (Semantic Segmentation and Object Detection) 场景标注 Scene Labeling 分割图像 分类每个像素 自动编码器/解码器结构 摘自：J. Long、E. Shelhamer、T. Darrell，“用于语义分割的全卷积 …
机器视觉-模式识别(第二部分) Pattern Recognition
模式识别 组合方法 Ensemble Methods 如果想解决分类问题，应该怎么做？ – 创建专家：训练分类器 – 训练几个分类器 → 并构建一个组合 集成学习归属于机器学习，他是一种「训练思路」，并不是某种具体的方法或者算法。 现实生活中，大家都知道「人多力量大」，「3 个臭皮匠顶个诸葛亮」。而 …
机器视觉-图像分割(第二部分) Segmentation
形态学运算 Morphological Operations 对于图像具有的问题：孔洞， 参差不齐的轮廓，间隙，微小区域等，我们提出了形态学运算。 两个关键概念：扩展和缩小区域： ——腐蚀erosion： 将区域缩小一个像素 ——膨胀dilation：将区域扩大一个像素 最基本的形态学运算是膨胀和腐 …
机器视觉-模式识别(第一部分) Pattern Recognition
模式识别 Pattern Recognition 分类：将对象分配到类别（classes）。 维基百科： 模式识别，就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境和客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环 …
机器视觉-图像分割(第一部分) Segmentation
机器视觉-图像分割(第一部分) 在计算机视觉领域， 图像分割 （segmentation）指的是将数字图像细分为多个图像子区域（像素的集合）（也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。更精确的，图 …
机器视觉-相机光学 Ｏptics
针孔照相机 点 $$(x,y,z)$$投影到 $$(x',y')$$截距定理： $$\frac{x}{z}=\frac{x^{\prime}}{f}, \quad \frac{y}{z}=\frac{y^{\prime}}{f} \quad \Rightarrow \quad z …
机器视觉-颜色 Color
颜色 颜色物理学 可见光是波长在 380nm 到 740nm 之间的电磁波 光的波长指定了它的颜色图像 – 光可以包含许多波长’ → 光谱 – 光谱取决于光源和滤光片 – 要完整描述光源的物理特性，我们必须知道它的全光谱 人类感知中的颜色 人眼有四种感光细胞： 视杆细胞（对颜色不敏感） rods …
机器视觉-曲线拟合(圆和椭圆) Curve Fitting
曲线拟合——圆和椭圆 在上一篇文章中，我们总结了视觉识别中对于直线型边缘的拟合。但是如果有的图形边缘是曲线的话应该怎么拟合？ 这一篇博文，我们就对其进行讨论。 标准圆 首先圆的方程为： $$\left(x-m_{1}\right)^{2}+\left(y-m_{2}\right)^{2}-r^{2} …
机器视觉-曲线拟合（直线部分） Curve Fitting
曲线拟合（直线部分） Curve Fitting
机器视觉-图像预处理 Image Preprocessing
图像预处理 Image Preprocessing 图像形成与分析 成像器 图像形成过程： 入射光强度 成像仪的输出 图像形成过程： – 采样sampling 评估规则网格上的光强度 – 量化 quantization 将连续信号映射到离散值（自然数） – 模糊和噪声 blur and noise …
机器视觉-边缘检测 Edge Detection
边缘检测 Edge Detection