前言 这是OpenCV图像处理专栏的第七篇文章，这篇文章是在之前的推文 OpenCV图像处理专栏二 |《Local Color Correction 》论文阅读及C++复现基础上进行了改进，仍然针对数字图像的光照不均衡现象进行校正。 算法原理 首先在《Local Color Correction》中有     O   (   i   ,   j   )   =   255   [     I   (   i   ,   j   )    255     ]   γ     O(i,j)=255[\frac{I(i,j)}{255}]^{\gamma}   O(i,j)=255[255I(i,j...

算法原理 双边滤波是一种非线性滤波方法，是结合了图像的邻近度和像素值相似度的一种折中，在滤除噪声的同时可以保留原图的边缘信息。整个双边滤波是由两个函数构成：一个函数是由空间距离决定的滤波器系数，另外一个诗由像素差值决定的滤波器系数。整个双边滤波的公式如下：      g   (   i   ,   .   j   )   =      ∑    k   ,   l     f   (   k   ,   l   )   w   (   i   ,   j   ,   k   ,   l   )      ∑    k   ,   l     w   (   i   ,   j   ,   k ...

算法原理 双边滤波是一种非线性滤波方法，是结合了图像的邻近度和像素值相似度的一种折中，在滤除噪声的同时可以保留原图的边缘信息。整个双边滤波是由两个函数构成：一个函数是由空间距离决定的滤波器系数，另外一个诗由像素差值决定的滤波器系数。整个双边滤波的公式如下：      g   (   i   ,   .   j   )   =      ∑    k   ,   l     f   (   k   ,   l   )   w   (   i   ,   j   ,   k   ,   l   )      ∑    k   ,   l     w   (   i   ,   j   ,   k ...

前言       \quad   本文提出了一种针对含有雾的图像和视频快速、完善的去雾算法。观察发现有雾的图像普遍具有低对比度，我们通过增强对比度来修复图像。然后多度的增强这些低对比度会截断像素值以及导致信息丢失。因此，我们引入一个包含对比项以及信息丢失项的损失函数。通过最小化损失函数，该算法不仅增强了对比度而且有效的保留了图像信息。另外，我们将图片去雾算法扩展到视频去雾。我们通过计算透射率的相关性减少对视频去雾时的闪烁程度。实验证明该算法去雾的有效性以及快速地进行实时去雾。 算法原理       \quad   一般，图像去雾问题可以用一个雾形成模型来描述：     I   (   p   ...

前言       \quad   本文提出了一种针对含有雾的图像和视频快速、完善的去雾算法。观察发现有雾的图像普遍具有低对比度，我们通过增强对比度来修复图像。然后多度的增强这些低对比度会截断像素值以及导致信息丢失。因此，我们引入一个包含对比项以及信息丢失项的损失函数。通过最小化损失函数，该算法不仅增强了对比度而且有效的保留了图像信息。另外，我们将图片去雾算法扩展到视频去雾。我们通过计算透射率的相关性减少对视频去雾时的闪烁程度。实验证明该算法去雾的有效性以及快速地进行实时去雾。 算法原理       \quad   一般，图像去雾问题可以用一个雾形成模型来描述：     I   (   p   ...

RGB转为CIELAB 首先RGB是不可以直接转为CIELAB颜色空间的，RGB需要先转为CIEXYZ颜色空间，然后再由CIEXYZ颜色空间转为CIELAB颜色空间。关于这2个颜色空间的互转，主要参考了http://www.cnblogs.com/Imageshop/archive/2013/02/02/2889897.html这篇文章。 RGB转LAB颜色空间的代码如下： void RGB2LAB(Mat &rgb, Mat &Lab) { //RGB 转XYZ Mat XYZ(rgb.size(), rgb.type()); Mat_ <Vec3b>::iter...

RGB转为CIELAB 首先RGB是不可以直接转为CIELAB颜色空间的，RGB需要先转为CIEXYZ颜色空间，然后再由CIEXYZ颜色空间转为CIELAB颜色空间。关于这2个颜色空间的互转，主要参考了http://www.cnblogs.com/Imageshop/archive/2013/02/02/2889897.html这篇文章。 RGB转LAB颜色空间的代码如下： void RGB2LAB(Mat &rgb, Mat &Lab) { //RGB 转XYZ Mat XYZ(rgb.size(), rgb.type()); Mat_ <Vec3b>::iter...

前言       \quad   之前做的一些滤波，例如高斯，双边，均值，导向滤波均是在时域下做的滤波。而同态滤波是在频域下来做滤波，用于改善动态范围很大但是暗区细节又不清楚的图像。 原理       \quad   对于一般的图像，有这样一个模型     f   (   x   ,   y   )   =   i   (   x   ,   y   )   r   (   x   ,   y   )    f(x,y)=i(x,y)r(x,y)   f(x,y)=i(x,y)r(x,y)。其中f(x, y)代表原图像，i(x,y)代表照射强度，r(x,y)代表反射强度。一般的图像光照是均匀变...

前言       \quad   之前做的一些滤波，例如高斯，双边，均值，导向滤波均是在时域下做的滤波。而同态滤波是在频域下来做滤波，用于改善动态范围很大但是暗区细节又不清楚的图像。 原理       \quad   对于一般的图像，有这样一个模型     f   (   x   ,   y   )   =   i   (   x   ,   y   )   r   (   x   ,   y   )    f(x,y)=i(x,y)r(x,y)   f(x,y)=i(x,y)r(x,y)。其中f(x, y)代表原图像，i(x,y)代表照射强度，r(x,y)代表反射强度。一般的图像光照是均匀变...

前言 CGAN这篇论文算是十分的简单了，和DCGAN的篇幅比起来不知道少到哪里去了，我这里主要挑选了论文中的主要片段进行理解 CGAN的原理       \quad   论文提出了GAN的有条件（限制）的版本，在数据中添加一个数据 y ，y 是在生成器和辨别器中都需要考虑的。对抗网络相对于马尔科夫决策链优点众多：梯度下降时，只需要反向传播算法，在学习规程中不需要做推断，许多因素以及因素之间的相互关系可以在模型中融合的很好。论文提出的 CGAN 是在某些特定条件下，增加目标或者限制（任何标签）进而影响生成器的生成过程。       \quad   对于原始的GAN就不赘述了，这里直接说到CGAN...

前言 CGAN这篇论文算是十分的简单了，和DCGAN的篇幅比起来不知道少到哪里去了，我这里主要挑选了论文中的主要片段进行理解 CGAN的原理  <math> <semantics> <mrow> </mrow> <annotation encoding="application/x-tex"> \quad </annotation> </semantics> </math>论文提出了GAN的有条件（限制）的版本，在数据中添加一个数据 y ，y 是在...

论文地址：https://arxiv.org/abs/1511.06434 论文题目  Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks(DCGAN下的无监督表征学习) 我认为读paper无论别人讲得多好，也一定要去读论文原文，或许差距就在这个地方拉开  摘要 近年以来，机器学习中已经广泛应用CNN来做监督学习。相比之下，CNN的无监督学习却并未获得太多注意，在里，我们希望可以成功建立CNN的监督和无监督学习的梯子。我们发明了叫DCGAN的结构，并为它确定了一...

论文地址：https://arxiv.org/abs/1511.06434 论文题目  Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks(DCGAN下的无监督表征学习) 我认为读paper无论别人讲得多好，也一定要去读论文原文，或许差距就在这个地方拉开  摘要 近年以来，机器学习中已经广泛应用CNN来做监督学习。相比之下，CNN的无监督学习却并未获得太多注意，在里，我们希望可以成功建立CNN的监督和无监督学习的梯子。我们发明了叫DCGAN的结构，并为它确定了一...

前言       \quad   偶然见到了这篇paper，虽然之前复现的一些paper已经可以较好的处理低照度下的色彩恢复，然而在光度强度很大的情况下怎么恢复还不清楚，并且如果出现图片中既有很亮的部分，又有很暗的部分，又不知道怎么处理了。这篇paper，正式为了解决这一问题，他的局步颜色矫正，和He KaiMing的暗通道去雾有相似的想法，值得借鉴。 算法原理 首先对与太亮和太暗的图像，我们可以使用Gamma校正来提高对比度。 图片表示：较暗图像，Gamma系数为0.5的Gamma校正，直方图均衡化 代表较亮的原始图像，Gamma系数为2.5的Gamma校正，直方图均衡化 代表原始图像，Ga...