OPENCV 圖像處理入門100題,有人把它翻譯成了中文版![ python / C++ 源码/原始碼]

OPENCV 圖像處理入門100題,有人把它翻譯成了中文版![ python / C++ 源码/原始碼]

OPENCV 圖像處理入門100題,有人把它翻譯成了中文版![ python / C++ 源码/原始碼]


日文GITHUB: https://github.com/yoyoyo-yo/Gasyori100knock

簡中GITHUB: https://github.com/gzr2017/ImageProcessing100Wen


問題1 – 10

序號 問題
1 通道替換
2 灰度化(Grayscale)
3 二值化(Thresholding)
4 大津演算法
5 HSV 變換
6 減色處理
7 平均池化(Average Pooling)
8 最大池化(Max Pooling
9 高斯濾波(Gaussian Filter)
10 中值濾波(Median filter)

問題11 – 20
序號 內容
11 均值濾波
12 Motion Filter
13 MAX-MIN 濾波
14 微分濾波
15 Sobel 濾波
16 Prewitt 濾波
17 Laplacian 濾波
18 Emboss 濾波
19 LoG 濾波
20 長條圖表示

問題21-30
序號 內容
21 長條圖歸一化(Histogram Normalization)
22 長條圖操作
23 長條圖均衡化(Histogram Equalization)
24 伽瑪校正(Gamma Correction)
25 最鄰近插值(Nearest-neighbor Interpolation)
26 雙線性插值(Bilinear Interpolation)
27 雙三次插值(Bicubic Interpolation)
28 仿射變換(Afine Transformations)——平行移動
29 仿射變換(Afine Transformations)——放大縮小
30 仿射變換(Afine Transformations)——旋轉

問題31-40
序號 內容
31 仿射變換(Afine Transformations)——傾斜
32 傅立葉轉換(Fourier Transform)
33 傅立葉轉換——低通濾波
34 傅立葉轉換——高通濾波
35 傅立葉轉換——帶通濾波
36 JPEG 壓縮——第一步:離散余弦變換(Discrete Cosine Transformation)
37 峰值信噪比(Peak Signal to Noise Ratio)
38 JPEG 壓縮——第二步:離散余弦變換+量化
39 JPEG 壓縮——第三步:YCbCr 色彩空間
40 JPEG 壓縮——第四步:YCbCr+DCT+量化

問題41-50
序號 內容
41 Canny邊緣檢測:第一步——邊緣強度
42 Canny邊緣檢測:第二步——邊緣細化
43 Canny邊緣檢測:第三步——滯後閾值
44 霍夫變換(Hough Transform)/直線檢測——第一步:霍夫變換
45 霍夫變換(Hough Transform)/直線檢測——第二步:NMS
46 霍夫變換(Hough Transform)/直線檢測——第三步:霍夫逆變換
47 形態學處理:膨脹(Dilate)
48 形態學處理:腐蝕(Erode)
49 開運算(Opening Operation)
50 閉運算(Closing Operation)

問題51-60
序號 內容
51 形態學梯度(Morphology Gradient)
52 頂帽(Top Hat)
53 黑帽(Black Hat)
54 使用誤差平方和演算法(Sum of Squared Difference)進行模式匹配(Template Matching)
55 使用絕對值差和(Sum of Absolute Differences)進行模式匹配
56 使用歸一化交叉相關(Normalization Cross Correlation)進行模式匹配
57 使用零均值歸一化交叉相關(Zero-mean Normalization Cross Correlation)進行模式匹配
58 4-鄰接連通域標記
59 8-鄰接連通域標記
60 透明混合(Alpha Blending)

問題61-70
序號 內容
61 4-鄰接的連接數
62 8-鄰接的連接數
63 細化處理
64 Hilditch 細化演算法
65 Zhang-Suen 細化演算法
66 方向梯度長條圖(HOG)第一步:梯度幅值・梯度方向
67 方向梯度長條圖(HOG)第二步:梯度長條圖
68 方向梯度長條圖(HOG)第三步:長條圖歸一化
69 方向梯度長條圖(HOG)第四步:視覺化特徵量
70 色彩追蹤(Color Tracking)

問題71-80
序號 內容
71 掩膜(Masking)
72 掩膜(色彩追蹤(Color Tracking)+形態學處理)
73 縮小和放大
74 使用差分金字塔提取高頻成分
75 高斯金字塔(Gaussian Pyramid)
76 顯著圖(Saliency Map)
77 Gabor 濾波器(Gabor Filter)
78 旋轉 Gabor 濾波器
79 使用 Gabor 濾波器進行邊緣檢測
80 使用 Gabor 濾波器進行特徵提取

問題81-90
序號 內容
81 Hessian 角點檢測
82 Harris 角點檢測第一步:Sobel + Gausian
83 Harris 角點檢測第二步:角點檢測
84 簡單圖像識別第一步:減色化+長條圖
85 簡單圖像識別第二步:判別類別
86 簡單圖像識別第三步:評估
87 簡單圖像識別第四步:k-NN
88 k-平均聚類演算法(k -means Clustering)第一步:生成質心
89 k-平均聚類演算法(k -means Clustering)第二步:聚類
90 k-平均聚類演算法(k -means Clustering)第三步:調整初期類別

問題91-100
序號 內容
91 利用 k-平均聚類演算法進行減色處理第一步:按顏色距離分類
92 利用 k-平均聚類演算法進行減色處理第二步:減色處理
93 準備機器學習的訓練資料第一步:計算 IoU
94 準備機器學習的訓練資料第一步:隨機裁剪(Random Cropping)
95 神經網路(Neural Network)第一步:深度學習(Deep Learning)
96 神經網路(Neural Network)第二步:訓練
97 簡單物體檢測第一步—-滑動視窗(Sliding Window)+HOG
98 簡單物體檢測第二步—-滑動視窗(Sliding Window)+ NN
99 簡單物體檢測第三步—-非極大值抑制(Non-Maximum Suppression)
100 簡單物體檢測第三步—-評估 Precision, Recall, F-score, mAP

問題1 – 10
序號 問題
1 通道替換
2 灰度化(Grayscale)
3 二值化(Thresholding)
4 大津演算法
5 HSV 變換
6 減色處理
7 平均池化(Average Pooling)
8 最大池化(Max Pooling
9 高斯濾波(Gaussian Filter)
10 中值濾波(Median filter)

問題11 – 20
序號 內容
11 均值濾波
12 Motion Filter
13 MAX-MIN 濾波
14 微分濾波
15 Sobel 濾波
16 Prewitt 濾波
17 Laplacian 濾波
18 Emboss 濾波
19 LoG 濾波
20 長條圖表示

問題21-30
序號 內容
21 長條圖歸一化(Histogram Normalization)
22 長條圖操作
23 長條圖均衡化(Histogram Equalization)
24 伽瑪校正(Gamma Correction)
25 最鄰近插值(Nearest-neighbor Interpolation)
26 雙線性插值(Bilinear Interpolation)
27 雙三次插值(Bicubic Interpolation)
28 仿射變換(Afine Transformations)——平行移動
29 仿射變換(Afine Transformations)——放大縮小
30 仿射變換(Afine Transformations)——旋轉

問題31-40
序號 內容
31 仿射變換(Afine Transformations)——傾斜
32 傅立葉轉換(Fourier Transform)
33 傅立葉轉換——低通濾波
34 傅立葉轉換——高通濾波
35 傅立葉轉換——帶通濾波
36 JPEG 壓縮——第一步:離散余弦變換(Discrete Cosine Transformation)
37 峰值信噪比(Peak Signal to Noise Ratio)
38 JPEG 壓縮——第二步:離散余弦變換+量化
39 JPEG 壓縮——第三步:YCbCr 色彩空間
40 JPEG 壓縮——第四步:YCbCr+DCT+量化

問題41-50
序號 內容
41 Canny邊緣檢測:第一步——邊緣強度
42 Canny邊緣檢測:第二步——邊緣細化
43 Canny邊緣檢測:第三步——滯後閾值
44 霍夫變換(Hough Transform)/直線檢測——第一步:霍夫變換
45 霍夫變換(Hough Transform)/直線檢測——第二步:NMS
46 霍夫變換(Hough Transform)/直線檢測——第三步:霍夫逆變換
47 形態學處理:膨脹(Dilate)
48 形態學處理:腐蝕(Erode)
49 開運算(Opening Operation)
50 閉運算(Closing Operation)

問題51-60
序號 內容
51 形態學梯度(Morphology Gradient)
52 頂帽(Top Hat)
53 黑帽(Black Hat)
54 使用誤差平方和演算法(Sum of Squared Difference)進行模式匹配(Template Matching)
55 使用絕對值差和(Sum of Absolute Differences)進行模式匹配
56 使用歸一化交叉相關(Normalization Cross Correlation)進行模式匹配
57 使用零均值歸一化交叉相關(Zero-mean Normalization Cross Correlation)進行模式匹配
58 4-鄰接連通域標記
59 8-鄰接連通域標記
60 透明混合(Alpha Blending)

問題61-70
序號 內容
61 4-鄰接的連接數
62 8-鄰接的連接數
63 細化處理
64 Hilditch 細化演算法
65 Zhang-Suen 細化演算法
66 方向梯度長條圖(HOG)第一步:梯度幅值・梯度方向
67 方向梯度長條圖(HOG)第二步:梯度長條圖
68 方向梯度長條圖(HOG)第三步:長條圖歸一化
69 方向梯度長條圖(HOG)第四步:視覺化特徵量
70 色彩追蹤(Color Tracking)

問題71-80
序號 內容
71 掩膜(Masking)
72 掩膜(色彩追蹤(Color Tracking)+形態學處理)
73 縮小和放大
74 使用差分金字塔提取高頻成分
75 高斯金字塔(Gaussian Pyramid)
76 顯著圖(Saliency Map)
77 Gabor 濾波器(Gabor Filter)
78 旋轉 Gabor 濾波器
79 使用 Gabor 濾波器進行邊緣檢測
80 使用 Gabor 濾波器進行特徵提取

問題81-90
序號 內容
81 Hessian 角點檢測
82 Harris 角點檢測第一步:Sobel + Gausian
83 Harris 角點檢測第二步:角點檢測
84 簡單圖像識別第一步:減色化+長條圖
85 簡單圖像識別第二步:判別類別
86 簡單圖像識別第三步:評估
87 簡單圖像識別第四步:k-NN
88 k-平均聚類演算法(k -means Clustering)第一步:生成質心
89 k-平均聚類演算法(k -means Clustering)第二步:聚類
90 k-平均聚類演算法(k -means Clustering)第三步:調整初期類別

問題91-100
序號 內容
91 利用 k-平均聚類演算法進行減色處理第一步:按顏色距離分類
92 利用 k-平均聚類演算法進行減色處理第二步:減色處理
93 準備機器學習的訓練資料第一步:計算 IoU
94 準備機器學習的訓練資料第一步:隨機裁剪(Random Cropping)
95 神經網路(Neural Network)第一步:深度學習(Deep Learning)
96 神經網路(Neural Network)第二步:訓練
97 簡單物體檢測第一步—-滑動視窗(Sliding Window)+HOG
98 簡單物體檢測第二步—-滑動視窗(Sliding Window)+ NN
99 簡單物體檢測第三步—-非極大值抑制(Non-Maximum Suppression)

100 簡單物體檢測第三步—-評估 Precision, Recall, F-score, mAP


~~~~~~~~~~~~~~


问题1
– 10

序号        问题

1      通道替换

2      灰度化(Grayscale)

3      二值化(Thresholding)

4      大津算法

5      HSV 变换

6      减色处理

7      平均池化(Average Pooling)

8      最大池化(Max Pooling

9      高斯滤波(Gaussian Filter)

10    中值滤波(Median filter)

 

问题11
– 20

序号        内容

11    均值滤波

12    Motion Filter

13    MAX-MIN 滤波

14    微分滤波

15    Sobel 滤波

16    Prewitt 滤波

17    Laplacian 滤波

18    Emboss 滤波

19    LoG 滤波

20    直方图表示

 

问题21-30

序号        内容

21    直方图归一化(Histogram Normalization)

22    直方图操作

23    直方图均衡化(Histogram Equalization)

24    伽玛校正(Gamma Correction)

25    最邻近插值(Nearest-neighbor Interpolation)

26    双线性插值(Bilinear Interpolation)

27    双三次插值(Bicubic Interpolation)

28    仿射变换(Afine Transformations)——平行移动

29    仿射变换(Afine Transformations)——放大缩小

30    仿射变换(Afine Transformations)——旋转

 

问题31-40

序号        内容

31    仿射变换(Afine Transformations)——倾斜

32    傅立叶变换(Fourier Transform)

33    傅立叶变换——低通滤波

34    傅立叶变换——高通滤波

35    傅立叶变换——带通滤波

36    JPEG 压缩——第一步:离散余弦变换(Discrete
Cosine Transformation)

37    峰值信噪比(Peak Signal to Noise Ratio)

38    JPEG 压缩——第二步:离散余弦变换+量化

39    JPEG 压缩——第三步:YCbCr 色彩空间

40    JPEG 压缩——第四步:YCbCr+DCT+量化

 

问题41-50

序号        内容

41    Canny边缘检测:第一步——边缘强度

42    Canny边缘检测:第二步——边缘细化

43    Canny边缘检测:第三步——滞后阈值

44    霍夫变换(Hough Transform)/直线检测——第一步:霍夫变换

45    霍夫变换(Hough Transform)/直线检测——第二步:NMS

46    霍夫变换(Hough Transform)/直线检测——第三步:霍夫逆变换

47    形态学处理:膨胀(Dilate)

48    形态学处理:腐蚀(Erode)

49    开运算(Opening Operation)

50    闭运算(Closing Operation)

 

问题51-60

序号        内容

51    形态学梯度(Morphology Gradient)

52    顶帽(Top Hat)

53    黑帽(Black Hat)

54    使用误差平方和算法(Sum of Squared Difference)进行模式匹配(Template Matching)

55    使用绝对值差和(Sum of Absolute Differences)进行模式匹配

56    使用归一化交叉相关(Normalization Cross Correlation)进行模式匹配

57    使用零均值归一化交叉相关(Zero-mean
Normalization Cross Correlation)进行模式匹配

58    4-邻接连通域标记

59    8-邻接连通域标记

60    透明混合(Alpha Blending)

 

问题61-70

序号        内容

61    4-邻接的连接数

62    8-邻接的连接数

63    细化处理

64    Hilditch 细化算法

65    Zhang-Suen 细化算法

66    方向梯度直方图(HOG)第一步:梯度幅值・梯度方向

67    方向梯度直方图(HOG)第二步:梯度直方图

68    方向梯度直方图(HOG)第三步:直方图归一化

69    方向梯度直方图(HOG)第四步:可视化特征量

70    色彩追踪(Color Tracking)

 

问题71-80

序号        内容

71    掩膜(Masking)

72    掩膜(色彩追踪(Color Tracking)+形态学处理)

73    缩小和放大

74    使用差分金字塔提取高频成分

75    高斯金字塔(Gaussian Pyramid)

76    显著图(Saliency Map)

77    Gabor 滤波器(Gabor Filter)

78    旋转 Gabor 滤波器

79    使用 Gabor 滤波器进行边缘检测

80    使用 Gabor 滤波器进行特征提取

 

问题81-90

序号        内容

81    Hessian 角点检测

82    Harris 角点检测第一步:Sobel + Gausian

83    Harris 角点检测第二步:角点检测

84    简单图像识别第一步:减色化+直方图

85    简单图像识别第二步:判别类别

86    简单图像识别第三步:评估

87    简单图像识别第四步:k-NN

88    k-平均聚类算法(k -means Clustering)第一步:生成质心

89    k-平均聚类算法(k -means Clustering)第二步:聚类

90    k-平均聚类算法(k -means Clustering)第三步:调整初期类别

 

问题91-100

序号        内容

91    利用 k-平均聚类算法进行减色处理第一步:按颜色距离分类

92    利用 k-平均聚类算法进行减色处理第二步:减色处理

93    准备机器学习的训练资料第一步:计算 IoU

94    准备机器学习的训练资料第一步:随机裁剪(Random
Cropping)

95    神经网络(Neural Network)第一步:深度学习(Deep Learning)

96    神经网络(Neural Network)第二步:训练

97    简单物体检测第一步—-滑动窗口(Sliding Window)+HOG

98    简单物体检测第二步—-滑动窗口(Sliding Window)+ NN

99    简单物体检测第三步—-非极大值抑制(Non-Maximum Suppression)

100  简单物体检测第三步—-评估 Precision, Recall, F-score, mAP

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *