鐵人檔案
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...
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...
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...
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，...
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...
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...
上一篇介紹了 Harris Corner Detection。 我們知道，Harris 可以找到圖片中的角點。 在昨天結尾時，我們埋了一個伏筆： 如果今天有兩張...
上一篇介紹了 SIFT 和 ORB。 它們可以找到圖片中的特徵點，並建立 Descriptor，方便不同圖片之間進行匹配。 不過有時候我們想找的不是特徵點。 例...
一路學到這裡，我們已經介紹了許多數位影像處理的方法。 從 Pixel、Histogram、Convolution。 到 Filter、Edge Detectio...
上一篇最後留下了一個問題： 既然現在很多電腦視覺的任務都使用深度學習技術，那為什麼 CNN 能夠取代過去大量依賴人工設計的特徵？ 要回答這個問題，可以先回頭看看...
