iT邦幫忙

影像處理相關文章
共有 98 則文章
鐵人賽 Software Development DAY 26

技術 Day 26 | Harris Corner Detection:電腦怎麼找到圖片中的角落?

上一篇介紹了 High-pass Filter。 我們透過保留高頻資訊,讓圖片中的邊緣變得更加明顯。 那現在請大家思考一個問題: 如果現在有兩張照片,其中一張只...

鐵人賽 Software Development DAY 25

技術 Day 25 | High-pass Filter(高通濾波器):如果只留下高頻呢?

上一篇介紹了 Low-pass Filter。 我們把高頻移除,只保留低頻。 結果發現,圖片的大致輪廓仍然存在,但許多細節都消失了,看起來就像被模糊了一樣。 那...

鐵人賽 Software Development DAY 24

技術 Day 24 | Low-pass Filter(低通濾波器):只保留低頻,圖片會變成什麼樣子?

上一篇介紹了 FFT。 現在,我們已經可以很快地把圖片從空間域轉換到頻域。 轉換到頻域之後,真正好玩的地方才正要開始。 如果今天我們可以自由決定哪些頻率要留下,...

鐵人賽 Software Development DAY 23

技術 Day 23 | Fast Fourier Transform(FFT):為什麼傅立葉轉換可以快這麼多?

上一篇介紹了 Fourier Transform。 我們知道,它可以把圖片從空間域轉換到頻域,讓我們分析圖片中不同頻率的組成。 不過,既然 NumPy 一行程式...

鐵人賽 Software Development DAY 22

技術 Day 22 | Fourier Transform:圖片也能分析頻率?

前面介紹的影像處理方法,大多都是直接操作圖片本身。 例如: Convolution Gaussian Filter Threshold Morphology...

鐵人賽 Software Development DAY 21

技術 Day 21 | Connected Component:電腦怎麼知道這是幾個物體?

上一篇介紹了 Morphology。 經過 Erosion 和 Dilation 後,我們已經可以把二值化圖片中的雜訊去除,或是修補一些破損的區域。 不過,當圖...

鐵人賽 Software Development DAY 20

技術 Day 20 | Morphology:怎麼把二值化後的圖片整理乾淨?

上一篇介紹了 Adaptive Threshold。 現在,我們已經可以把圖片分成前景和背景。 不過,有時候會發現結果常常沒有想像中漂亮。 例如文字旁邊多了一些...

鐵人賽 Software Development DAY 19

技術 Day 19 | Adaptive Threshold:不是每個地方,都該用同一個 Threshold

上一篇介紹了 Otsu's Thresholding。 它會分析整張圖片的 Histogram,並自動找到一個適合的 Threshold。 不過,假設今天要處理...

鐵人賽 Software Development DAY 18

技術 Day 18 | Otsu's Thresholding:讓電腦自己找到最佳 Threshold

上一篇介紹了 Threshold。 它的概念很簡單,只要設定一個 Threshold。 就可以把圖片分成前景和背景。 不過真正困難的地方,是 Threshold...

鐵人賽 Software Development DAY 17

技術 Day 17 | Threshold:怎麼把圖片分成黑白兩個世界?

上一篇介紹了 Canny Edge Detection。 它可以幫助我們找到圖片中的邊緣。 那如果今天不是想知道物體的輪廓,而是想直接把物體和背景分開。 那還需...

鐵人賽 Software Development DAY 16

技術 Day 16 | Canny Edge Detection:經典的邊緣偵測方法

前面的幾篇,我們討論了 Mean Filter Gaussian Filter Gradient Sobel Laplacian 而今天要介紹的 Canny E...

鐵人賽 Software Development DAY 15

技術 Day 15 | Laplacian:除了亮度變化,還能觀察什麼?

上一篇介紹了 Sobel 和 Prewitt。 它們都是利用不同方向的 Kernel,估計圖片的 Gradient(亮度變化)。 也就是說,它們真正回答的是亮度...

鐵人賽 Software Development DAY 14

技術 Day 14 | Prewitt Operator:它和 Sobel 到底差在哪裡?

上一篇介紹了 Sobel Operator。 它利用兩組 Kernel,分別計算 X 和 Y 方向的亮度變化,再找出圖片中可能存在邊緣的位置。 在影像處理中,其...

鐵人賽 Software Development DAY 13

技術 Day 13 | Sobel Operator:如何找出圖片的亮度變化?

上一篇介紹了 Image Gradient。 我們知道,電腦並不知道圖片裡有沒有狗、有沒有樹,也不知道哪裡是物體。 它真正尋找的是亮度變化最大的地方。 不過,知...

鐵人賽 AI 自動化 DAY 24

技術 Day 24|12 分鐘六筆 commit,只為了把一行字置中

模組五|發布與衍生物(Day 23–27) 昨天講封面套版,收在「排版要交給程式」。今天講程式排版出錯的那一次。 它很小。小到我原本沒打算寫。而它的 com...

鐵人賽 Software Development DAY 12

技術 Day 12 | Image Gradient:電腦怎麼知道哪裡是邊緣?

昨天介紹了 Median Filter。 到目前為止,我們學了三種不同的濾波方法。 它們的共同目標都是一樣的: 讓圖片變得更平滑,降低雜訊。 但如果今天的目...

鐵人賽 Software Development DAY 11

技術 Day 11 | Median Filter:如果不要平均,會發生什麼事?

上一篇我們看了 Gaussian Filter。 它透過調整每個 Pixel 的權重,讓離中心越近的 Pixel 擁有越大的影響力,因此通常比 Mean Fil...

鐵人賽 Software Development DAY 10

技術 Day 10 | Gaussian Filter:為什麼離中心越近,應該越重要?

上一篇介紹了 Mean Filter。 它的想法很簡單:把周圍的 Pixel 全部平均。 這樣就可以降低一些隨機雜訊。 不過,它也有一個很明顯的缺點。 因為每個...

鐵人賽 Software Development DAY 9

技術 Day 9 | Mean Filter:為什麼取平均,就能讓圖片變平滑?

昨天介紹了 Kernel 的設計。 當時提到,設計一個 Kernel 並不是先想矩陣長什麼樣子,而是先思考希望圖片發生什麼變化? 如果今天希望降低圖片中的雜訊,...

鐵人賽 Software Development DAY 7

技術 Day 7 | Convolution(卷積):為什麼影像處理幾乎都離不開它?

如果你有看過 OpenCV 的文件,或是搜尋過影像處理相關的教學,應該很容易看到這些功能: Blur(模糊) Sharpen(銳化) Edge Detecti...

鐵人賽 Software Development DAY 6

技術 Day 6 | Histogram:一張圖片的亮度都跑去哪了?

不知道大家有沒有遇過這種情況。 有時候拍完一張照片,總覺得哪裡怪怪的。 可能整張照片偏暗,也可能亮到天空一片白。 甚至有些照片明明沒有曝光失敗,但就是看起來灰...

鐵人賽 Software Development DAY 5

技術 Day 5 | Sampling 與 Quantization:連續的世界,是怎麼變成數位影像的?

前幾篇我們認識了 Pixel,知道一張圖片是由許多 Pixel 所組成。 每個 Pixel 又會記錄亮度或顏色的數值。 不過,這時候又冒出了另一個問題。 現實世...

鐵人賽 Software Development DAY 4

技術 Day 4 | RGB、Gray、HSV:電腦是怎麼表示顏色的?

昨天我們提到,一張圖片是由許多 Pixel 所組成,而每個 Pixel 都會記錄一些數值。 不過,當時還留下一個問題。 如果是灰階圖片,一個 Pixel 只需要...

鐵人賽 AI Engineering DAY 15

技術 Day 15|先放大再縮小的解析度補齊鏈,以及它其實沒解到問題

模組三|AI 生圖與生片產線(Day 10–19) Day 13 為了繞過內容審核換了模型。今天講換模型留下的爛攤子。 這篇原本要寫的是「我怎麼把不同模型的...

鐵人賽 Software Development DAY 3

技術 Day 3 | Pixel、Resolution、Color Depth:一張圖片到底是怎麼組成的?

相信大家一定都有這種經驗。 把一張照片一直放大、一直放大,最後會發現圖片開始變得模糊,甚至可以看到一格一格的小方塊。 以前看到這個現象,第一個直覺就是:「喔解析...

鐵人賽 Software Development DAY 2

技術 Day 2 | 電腦到底是怎麼「看見」一張圖片的?

如果今天我把一張狗的照片丟給你。 你大概不到一秒就知道: 「這是一隻狗。」 但如果把同一張照片交給電腦呢? 它真的有看到一隻狗嗎? 答案是... 沒有。 電腦...

鐵人賽 Software Development DAY 1

技術 Day 1 | 前言

不知道大家有沒有想過一個問題。 看到一張照片時,我們幾乎不用思考,就能知道照片裡有什麼。 這是一隻貓、一台車、一棟房子,甚至你朋友今天看起來是不是沒睡飽,我們都...

技術 旋轉矩陣(Rotation Matrix)_sin跟-sin到底放哪裡

0.問題 你是否也有疑問,在不同的文章裡看過兩種形式的旋轉矩陣       圖1.兩種形式的旋轉矩陣你可能知道,這就是順時針旋轉跟逆時針旋轉(或旋轉矩陣及逆矩陣...

技術 PascalVOC 轉 Yolo標籤格式 (下) (範例程式碼)

完整程式碼! https://github.com/yu-ken0207/PascalVOCtoYolo 在訓練 YOLO(You Only Look Once...

鐵人賽 Python DAY 26

技術 探索 Python 世界:從語法基礎到圖像魔法 Day26

OpenCV 影像疊加 影像疊加 影像疊加在圖像處理中非常實用,可以用於圖像融合、添加水印、背景替換等 常用函數介紹 cv2.addWeighted(scr...