濾波和邊緣檢測

1. 空間濾波和頻域濾波

　　線性濾波和非線性濾波

　　滑動濾波：

　　blur 和 boxfilter、高斯濾波器是真正的低通濾波器、與boxfilter相比沒有振鈴現象。

　　Practice matter:

　　　Matlab 線性濾波器：H=fspecila（‘Gaussian’，7,1）；

　　　Opencv：filter2（）

　　 非線性濾波器：中值濾波器

　　Image filtering: compute function of local neighborhood at each position

　　? Really important!
　　　　? Enhance images
　　　　　　? Denoise, resize, increase contrast, etc.
　　　　? Extract information from images
　　　　　　? Texture, edges, distinctive points, etc.
　　　　? Detect patterns
　　　　　　? Template matching （eg. DIC/DSCM）

　　https://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

2. 邊緣濾波　　

　　Canny Sobel Laplance

　　一維圖像：對圖像進行求導。求導是方法：點位置進行後一位置減前一位置進行差分除以2

　　二維圖像：

　　圖像求取梯度之前，對噪聲較為敏感，需要事先對圖像進行平滑去噪處理。

　　Prewitt 邊緣檢測算子：

Sobel 邊緣檢測：

　　魯濱遜卷積Mask

　　一階導數為極值的地方在二階導數為0的地方相等。

　　拉普拉斯變換算子：　　

　　對於噪聲較為敏感，所以先用高斯濾波器進行平滑再求二階導。

求梯度的幅值：

　　水平和垂直導數的平方和求導

　　Canny算子：

3.項目：車牌檢測 SVM和神經網絡

　　1. 圖像分割

　　2.特征提取

　　3.模式識別

　　　　 SVM或者神經網絡

　　車牌的檢測與定位：

　　1. 從圖片的RGB或IR圖像檢測成灰度

　　2. 進行高斯濾波進行濾波、

　　3. 邊緣檢測 sobel 豎直檢測

　　4.形態化，將連續區域進行白色進行連通

　　5.去除背景

　　6. 在原圖像進行可能出現的區域矩形框框起來

　　7.根據長寬比去除大量的矩形框

　　8.根據SVM進行圖像矩形框進行分類。得到唯一一個車牌的位置

　　9. 識別字符用ANN（人工神經網絡）。

計算機視覺（二）