- 颜色模型
- 彩色图像
- RGB颜色模型:在几何形态上呈现立方体结构,与硬件实现关系紧密。
- HSV颜色模型:在几何形态上呈现椎体结构,更偏向于视觉上直观的感觉。
- 采用色调(H)、饱和度(S)、明度(V)3个参数来表示颜色的一种方式。
- 灰度图像与二值图像
- 彩色图像
- 信号与噪声
- 图像滤波
- 均值滤波
- 中值滤波
- 图像的几何变换
- 平移
- 旋转
- 缩放
- 图像特征
- 通过一系列的算法提取出图像的高级特征,这个特征可以通过数学手段进行描述,称为特征描述子。
- 灰度直方图
- 图像的灰度直方图描述了图像中不同灰度值的分布情况,能够直观地描述出图像中不同灰度值所占的比例。
- 灰度直方图具有直观、计算代价低、对线性变换具有不变性、对图像质量不敏感等特点,被广泛地应用在图像分割、基于颜色的图像检索、图像分类等图像处理领域。
- LBP特征
- LBP(Local Binary Pattern)即局部二值模型,是一种用来描述图像局部纹理特征的算子,它具有旋转不变性和灰度不变性等优点。
- LBP特征因其对光照具有良好的鲁棒性、灰度不变性,且计算速度快、实现简单、旋转不变性等特点被广泛应用在图像识别领域,尤其是在人脸识别、物体监测领域,其效果表现良好。
- Haar特征
- Harr特征即Haar-like特征,又称Viola-Jones识别器。
- Haar特征的提取过程比较简单,通过不同模板来对图像进行特征提取,最后筛选出比较具有代表性的特征再使用强分类器进行分类。
- HOG特征
- HOG即方向梯度直方图(hisogram of oriented gradient),是在计算机视觉和图像处理中被广泛使用的一种算法,是一种可以进行图像监测的特征描述算子。
- HOG特征的提取是通过计算统计图像中各个小区域的方向梯度直方图,然后将其进行汇总而得到的。该算法的本质思想是对图像的梯度信息的进行统计,梯度主要存在与图像的边缘区域,局部目标能够被梯度或边缘的方向密度分布进行描述。
- HOG特征具有对图像的几何变换、光学变化良好的鲁棒性等优点。