Zi 字媒體

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