计算机视觉(三)未有深度学习之前

文章目录

  • 图像分割
    • 基于阈值、基于边缘
    • 基于区域、基于图论
  • 人脸检测
    • Haar-like特征+级联分类器
  • 行人检测
    • HOG+SVM
    • DPM

图像分割

  • 把图像划分成若干互不相交的区域。
  • 经典的数字图像分割算法一般是基于灰度值的两个基本特征之一:不连续性和相似性。

基于阈值、基于边缘

  • 基于阈值:基于图像灰度特征计算一个或多个灰度阈值。将灰度值与阈值比较,最后将比较结果分到合适的类别中。

  • 计算机视觉(三)未有深度学习之前_第1张图片
    大津法

  • 基于边缘:边界线上连续的像素点集合,是图像局部特征不连续性的反映。体现灰度、颜色、纹理等图像特征的突变。

计算机视觉(三)未有深度学习之前_第2张图片

基于区域、基于图论

  • 区域分割:
    - 区域生长法
    计算机视觉(三)未有深度学习之前_第3张图片
    - 分水岭算法
    计算机视觉(三)未有深度学习之前_第4张图片
  • 图论分割
    - Graph Cuts分割
    计算机视觉(三)未有深度学习之前_第5张图片
    计算机视觉(三)未有深度学习之前_第6张图片
    计算机视觉(三)未有深度学习之前_第7张图片计算机视觉(三)未有深度学习之前_第8张图片
    - 先取两个种子点(前景和背景)
    - 然后建立一个图,途中边的粗细表示对应权值的大小
    - 然后找到权值和最小边的组合
    - 完成图像分割的功能
    计算机视觉(三)未有深度学习之前_第9张图片
    - GrabCut分割
    计算机视觉(三)未有深度学习之前_第10张图片
    计算机视觉(三)未有深度学习之前_第11张图片
    计算机视觉(三)未有深度学习之前_第12张图片计算机视觉(三)未有深度学习之前_第13张图片
    计算机视觉(三)未有深度学习之前_第14张图片
    计算机视觉(三)未有深度学习之前_第15张图片
  • 物体分割
    计算机视觉(三)未有深度学习之前_第16张图片
    计算机视觉(三)未有深度学习之前_第17张图片

人脸检测

Haar-like特征+级联分类器

表示人来云某些特征
计算机视觉(三)未有深度学习之前_第18张图片
计算机视觉(三)未有深度学习之前_第19张图片
计算机视觉(三)未有深度学习之前_第20张图片
计算机视觉(三)未有深度学习之前_第21张图片
计算机视觉(三)未有深度学习之前_第22张图片

行人检测

HOG+SVM

计算机视觉(三)未有深度学习之前_第23张图片
计算机视觉(三)未有深度学习之前_第24张图片
计算机视觉(三)未有深度学习之前_第25张图片计算机视觉(三)未有深度学习之前_第26张图片
计算机视觉(三)未有深度学习之前_第27张图片计算机视觉(三)未有深度学习之前_第28张图片
计算机视觉(三)未有深度学习之前_第29张图片
计算机视觉(三)未有深度学习之前_第30张图片
计算机视觉(三)未有深度学习之前_第31张图片
计算机视觉(三)未有深度学习之前_第32张图片

DPM

计算机视觉(三)未有深度学习之前_第33张图片
计算机视觉(三)未有深度学习之前_第34张图片
计算机视觉(三)未有深度学习之前_第35张图片
计算机视觉(三)未有深度学习之前_第36张图片
计算机视觉(三)未有深度学习之前_第37张图片

计算机视觉(三)未有深度学习之前_第38张图片
计算机视觉(三)未有深度学习之前_第39张图片
计算机视觉(三)未有深度学习之前_第40张图片

你可能感兴趣的:(计算机视觉,计算机视觉,深度学习,人工智能)