LOFTER for ipad —— 让兴趣,更有趣

点击下载 关闭

LOFTER-网易轻博

图像处理

3449浏览    563参与
日创科技

智能监控系统:视频监控行业的一次新的革命

数字化的飞速发展,造成了现在经济、技术与社会的发展的不平衡。用户信息唾手可得,但这也让政府陷入两难局面:

如何在不侵犯个人隐私的前提下运用海量信息提升居民生活水平?

如何在不影响经济增长的情况下解决社会环境问题?

于是各个物联网企业纷纷出台“智慧城市”政策,大力布局信息技术基础设施,并启用创新解决方案推进城市规划,最终目标是有效打造智慧城市以改善人民生活水平,同时将技术渗透到社会的方方面面,从而实现长期可持续发展。

视频监控的智能化已成为行业发展的必然趋势,它能够对视频中的异常行为进行实时提取和筛选,并及时发出预警,彻底改变了传统监控只能“监”不能“控”的被动状态,将是视频监控行业的一...

数字化的飞速发展,造成了现在经济、技术与社会的发展的不平衡。用户信息唾手可得,但这也让政府陷入两难局面:

如何在不侵犯个人隐私的前提下运用海量信息提升居民生活水平?

如何在不影响经济增长的情况下解决社会环境问题?

于是各个物联网企业纷纷出台“智慧城市”政策,大力布局信息技术基础设施,并启用创新解决方案推进城市规划,最终目标是有效打造智慧城市以改善人民生活水平,同时将技术渗透到社会的方方面面,从而实现长期可持续发展。

视频监控的智能化已成为行业发展的必然趋势,它能够对视频中的异常行为进行实时提取和筛选,并及时发出预警,彻底改变了传统监控只能“监”不能“控”的被动状态,将是视频监控行业的一次新的革命。现阶段,我国越来越多的技术型企业正在大力发展数字信号处理、视频分析算法等核心技术,这将大幅提升视频监控产业附加值,改善现有产业价值提升困难的发展瓶颈。

从技术角度来讲,目前国内智能分析技术主要还集中在两大类:

一类是采用画面分割前景提取等方法对视频画面中的目标进行提取检测,通过各种不同的规则来区分不同的事件,从而实现不同判断并产生相应的报警联动等,例如最早期的一些行为分析类功能(跨界、区域入侵、打架检测、人员聚集等)以及早期的交通事件检测等都属于这类算法技术的应用。http://www.dragonwake.cn/



另一类是利用模式识别技术,对画面中特定的物体进行建模,并通过大量样本进行训练,从而达到对视频画面中的特定物体进行检测及相关应用。

从应用角度来讲,目前国内智能分析技术主要有四大类:

第一类是实时报警类;主要是通过分析技术对实时视频进行内容的分析和判断,发现某种状态达到报警规则的要求时,系统即可发出报警联动。

第二类是数据统计类;主要是通过在特定的场景下,对视频内容中特定的内容进行统计,形成相关的报表和数据应用。

第三类是属性识别类;主要是对视频中特定事务的属性进行自动识别,达到对视频内容的深入应用和快速检索等目的。

第四类是图像处理类。主要是对图像整体进行分析判断及优化处理以达到更好的效果或者将不清楚的内容通过算法计算处理达到看得清的效果。武汉日创科技是武汉物联网音视频解决方案的高新技术企业,致力于解决六大音视频行业:车载、通信行业、房地产行业、养老行业、智能家居、安防监控物联网应用。

    

星小熊

一些p图(可能对密恐患者不是很友好

使用的是一个名叫April的app,里面有不少模板,操作十分傻瓜,出来效果还挺不错,诚心安利(「・ω・)「

图片是在刚刚的传感器实验课上拍的,随机使用Robert,Sobel,Prewitt,Kirsch,Gauss-Laplace五种算子和二值化操作来处理一张可怜的图片,然后变着变着就满是噪点了。

p6往后是一些实验图片,前前后后使用的这么多图片中有几张是舍友拍的,隔空感谢一下她

不想复习工光,我已经看到了考试不及格的未来,就更不想复习了

最后再补一句,高斯聚聚真不愧是高斯聚聚,就算变成了(?)算法也是最厉害的∠( ᐛ 」∠)_

一些p图(可能对密恐患者不是很友好

使用的是一个名叫April的app,里面有不少模板,操作十分傻瓜,出来效果还挺不错,诚心安利(「・ω・)「

图片是在刚刚的传感器实验课上拍的,随机使用Robert,Sobel,Prewitt,Kirsch,Gauss-Laplace五种算子和二值化操作来处理一张可怜的图片,然后变着变着就满是噪点了。

p6往后是一些实验图片,前前后后使用的这么多图片中有几张是舍友拍的,隔空感谢一下她

不想复习工光,我已经看到了考试不及格的未来,就更不想复习了

最后再补一句,高斯聚聚真不愧是高斯聚聚,就算变成了(?)算法也是最厉害的∠( ᐛ 」∠)_

研数科技
qq1418457531
研数科技
Jason小童鞋01
Jason小童鞋01

2019年亚洲数字图像处理大会(ADIP 2019)

作者:Jason小童鞋01

所有同行评审和接受的论文在发表后将作为一个特别会议发布到AICCC 2019会议论文集中,该会议将由Ei Compendex和Scopus编制索引,并由汤森路透会议论文集引文索引(CPCI)提交和审核。

Jason小童鞋01
Jason小童鞋01

2019亚洲图像处理国际学术研讨会(ASIP 2019)

作者:Jason小童鞋01

2019年亚洲图像处理研讨会(ASIP 2019)将于2019年8月16日至18日在新加坡举行, 会议旨在为来自相关行业,学术界和政府的研究人员,从业人员和专业人士提供论坛,以讨论研究和开发,图像处理方面的专业实践。 欢迎来自全球的图像处理领域的学者和研究人员参加此次会议,与其他爱好者分享您的经验和教训,并发展合作机会。

hljhgljb

【转载】人像摄影中如何用PS调整锐度与清晰度(后期)


  在人像的锐化中,一般分男性和女性,老人和孩子,不同类别的人物锐化的程度是不一样的。降低清晰度可以让女人皮肤柔和,孩子更加稚嫩;增加清晰度可以让男人更加阳刚,老人的皱纹更清楚。那我们通过下面的两个案例来看看具体如何操作。 

  实例一: 

  步骤1 

  打开上图,我们发现人物的皮肤还不错,先将“清晰度”向左右两个极端值滑动,来对比一下,不难发现,往- 100 的方向调整是正确的。 

  步骤2 

  先将“清晰度”调整到- 20,皮肤变得非常柔和。 

 

步骤二 


步骤三

  步骤3 

  然后调整到细节面板,将锐化条板中的“数量”调整到+ 121,“半径”调整到+ 0.5,“细节”调整到+ 26,“蒙版”调整到+ 80,这时人物的轮廓和细节更加突出(这里有个小技巧当你调整半径、细节、蒙版时按键盘上的alt 键你会惊奇地发现整个画面变成黑白的线条图了)。 

  步骤4 

  最后我们对比一下前后的效果,发现皮肤变得柔和,轮廓更加清晰,小小的改变整个人物的神态就不一样了。一般情况下女性和儿童的照片调节时都使用上面的方法,建议大家多多尝试和练习。 

  实例二: 

  步骤1 

  首先我们打开老人的照片,为了表现出岁月的沧桑,需要将画面层次提升增加清晰度并且要将轮廓进一步加强。 

 

步骤一


步骤二

  步骤2 

  在ACR 中先调整整体的清晰度,让画面更有质感,这里我们将“清晰度”滑块调整至+ 60,此时老人面部的细节完全凸显出来,一般在老人的照片调节时清晰度的增加值都比较高,这样效果比较明显,但是也要注意分寸,千万不要过头。 

 

步骤三


步骤四

  步骤3 

  此时我们可以放大画面到100% 来观察画面上的变化,很明显,图像看起来清楚多了。 

  步骤4 

  整体提高清晰度后,再对画面局部锐化将轮廓变得更清楚,这里选择锐化面板将“数量”调整为+100,“半径”调整为+ 0.5,“细节”调整为+ 25,“蒙版”调整为+ 80,这时人物的轮廓和细节更加突出了。 


步骤五

  步骤5 

  再次将画面放大到100% 观察,细节丰富了很多。 

  步骤6 

  最后我们对比一下前后的两张照片,发现有非常明显的变化,尤其是老人的眼睛更加有神,各种毛发清晰可见。 

文章来源:蜂鸟网 



来源:山路弯弯

XYZ-bear
Welcome to Design gallery
给绅宝新车x35做的海报

给绅宝新车x35做的海报

给绅宝新车x35做的海报

杜兰洪
“曼市德比”的幻灯处理。 画面...

“曼市德比”的幻灯处理。

画面呈现左右人物和队徽的对阵,火焰VS居于中间,黑色氛围下具有幽暗的衬托元素,充实画面又体现对阵。

人物处理和LOGO处理是关键,运用到很多图层模式、效果叠加和笔刷,一点点画上去,提高对比感觉。

“曼市德比”的幻灯处理。

画面呈现左右人物和队徽的对阵,火焰VS居于中间,黑色氛围下具有幽暗的衬托元素,充实画面又体现对阵。

人物处理和LOGO处理是关键,运用到很多图层模式、效果叠加和笔刷,一点点画上去,提高对比感觉。

wozy

HSV(HSL)颜色空间及其应用

【摘要】

本文首先阐述HSV 和 HSL颜色模式的基本特性,然后介绍RGB和HSV / HSL颜色空间互相转换的算法,并给出算法核心代码和效果图,最后将HSV颜色空间应用到图像增强,得到几个增强之后的效果图。

【参考资料】 

1. 颜色空间RGB与HSV(HSL)的转换

2. 维基百科:HSL和HSV色彩空间

3. HSV颜色空间


1. HSV和HSL颜色空间简介    HSV(也叫做 HSB)和 HSL 是对RGB 色彩空间中点的两种有关系的表示,它们尝试描述比 RGB 更准确的感知颜色联系,并仍...

【摘要】

本文首先阐述HSV 和 HSL颜色模式的基本特性,然后介绍RGB和HSV / HSL颜色空间互相转换的算法,并给出算法核心代码和效果图,最后将HSV颜色空间应用到图像增强,得到几个增强之后的效果图。

【参考资料】 

1. 颜色空间RGB与HSV(HSL)的转换

2. 维基百科:HSL和HSV色彩空间

3. HSV颜色空间


1. HSV和HSL颜色空间简介    HSV(也叫做 HSB)和 HSL 是对RGB 色彩空间中点的两种有关系的表示,它们尝试描述比 RGB 更准确的感知颜色联系,并仍保持在计算上简单。HSL 表示 hue(色相)、saturation(饱和度)、lightness(亮度),HSV 表示 hue、saturation、value(色调) 而 HSB 表示 hue、saturation、brightness(明度)。

    HSV和HSL颜色模式特点 :    a)  HSV颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1。它包含RGB模型中的 R=1,G=1,B=1三个面,所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0°,绿色对应于角度120°,蓝色对应于角度240°。在HSV颜色模型中,每一种颜色和它的补色相差180°。    b)  饱和度S取值从0到1,所以圆锥顶面的半径为1。HSV颜色模型所代表的颜色域是CIE色度图的一个子集,这个模型中饱和度为百分之百的颜色,其纯度一般小于百分之百。    c)  在圆锥的顶点(即原点)处,V=0,H和S无定义,代表黑色。圆锥的顶面中心处 S=0,V=1,H无定义,代表白色。从该点到原点代表亮度渐暗的灰色,即具有不同灰度的灰色。对于这些点,S=0,H的值无定义。可以说,HSV模型中的V轴对应于RGB颜色空间中的主对角线。在圆锥顶面的圆周上的颜色,V=1,S=1,这种颜色是纯色。
    HSV 颜色空间可以用一个圆锥空间模型来描述 。     
  2.  RGB 到 HSL 或 HSV 的转换

       设 (r, g, b) 分别是一个颜色的红、绿和蓝坐标,它们的值是在 0 到 1 之间的实数。设 max 等价于 r, g 和 b 中的最大者。设 min 等于这些值中的最小者。要找到在 HSL 空间中的 (h, s, l) 值,这里的 h ∈ [0, 360)是角度的色相角,而 s, l ∈ [0,1] 是饱和度和亮度,计算为:

h 的值通常规范化到位于 0 到 360°之间。而 h = 0 用于 max = min 的(就是灰色)时候而不是留下 h 未定义。

HSL 和 HSV 有同样的色相定义,但是其他分量不同。HSV 颜色的 s 和 v 的值定义如下:

3. HSL 到 RGB 的转换

     给定 HSL 空间中的 (h, s, l) 值定义的一个颜色,带有 h 在指示色相角度的值域 [0, 360)中,分别表示饱和度和亮度的s 和 l 在值域 [0, 1] 中,相应在 RGB 空间中的 (r, g, b) 三原色,带有分别对应于红色、绿色和蓝色的 r, g 和 b 也在值域 [0, 1] 中,它们可计算为:

       如果 s = 0,则此时颜色是非彩色的、或灰色的。在这种情况下,r, g 和 b 都等于 l。注意 此时h 的值是未定义的。

       如果 s ≠ 0 ,则可以使用下列过程:


4.  HSV 到 RGB 的转换

     类似的,给定在 HSV 中 (h, s, v) 值定义的一个颜色,带有如上的 h,和分别表示饱和度和明度的 s 和 v 变化于 0 到 1 之间,在 RGB 空间中对应的 (r, g, b) 三原色可以计算为:

    

对于每个颜色向量 (r, g, b),

 

5. HSL和HSV比较

    HSL类似于HSV。对于一些人,HSL更好的反映了“饱和度”和“亮度”作为两个独立参数的直觉观念,但是对于另一些人,它的饱和度定义是错误的,因为非常柔和的几乎白色的颜色在HSL可以被定义为是完全饱和的。对于HSV还是HSL更适合于人类用户界面是有争议的。

    W3C的CSS3规定声称“HSL的优点是它对称于亮与暗(HSV就不是这样)…”,这意味着:

    a)  在HSL中,饱和度分量总是从完全饱和色变化到等价的灰色(在HSV中,在极大值V的时候,饱和度从全饱和色变化到白色,这可以被认为是反直觉的)。

    b)  在HSL中,亮度跨越从黑色过选择的色相到白色的完整范围(在HSV中,V分量只走一半行程,从黑到选择的色相)。

 

 

6.  RGB与HSV互转代码

     此处我们用C语言实现RGB与HSV之间的互相转换并给出效果图。


7. HSV颜色空间小应用

     将RGB转换到HSV空间,通过V变量可以调整图像的亮度和对比度,以下是几个效果图:

         

                                                 

                                             (原始图片)                                                                (亮度V + 0.1) 

                                                

                                           (亮度V - 0.1)                                                                    (对比度1.2)  

  

                                               

                                              (对比度1.5)                                                          (对比度1.5 + V0.2)

来源:nkwavelet

wozy

HSI颜色空间及其应用

【摘要】本文首先阐述HSI颜色模式的基本特性,然后介绍RGB和HSI颜色空间互相转换的算法,并给出算法核心代码和效果图,最后将HSI颜色空间应用到图像增强,得到几个增强之后的效果图。
【参考资料】 

RGB与HSI颜色模型的转换方法对比研究

博客:颜色空间之HSI

博客:颜色空间转换(一)


1.  HSI颜色空间简介

     HSI颜色空间是从人的视觉系统出发,用色调(Hue)、色饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述色彩。HSI颜色空间可以用一个圆锥空间模型...

【摘要】本文首先阐述HSI颜色模式的基本特性,然后介绍RGB和HSI颜色空间互相转换的算法,并给出算法核心代码和效果图,最后将HSI颜色空间应用到图像增强,得到几个增强之后的效果图。
【参考资料】 

RGB与HSI颜色模型的转换方法对比研究

博客:颜色空间之HSI

博客:颜色空间转换(一)


1.  HSI颜色空间简介

     HSI颜色空间是从人的视觉系统出发,用色调(Hue)、色饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述色彩。HSI颜色空间可以用一个圆锥空间模型来描述。用这种描述HIS色彩空间的圆锥模型相当复杂,但确能把色调、亮度和色饱和度的变化情形表现得很清楚。

     RGB 向HSI 模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB 中的亮度因素分离,将色度分解为色调和饱和度,并用角向量表示色调,如下图所示。

2.  RGB转换至HSI的几种常见方法

      下图列出几种常用的RGB-HSI转换公式:

       几何推导法最为经典,可追溯到30多年前(Tenenbaum,1974)。基本思路是先分离出亮度信息,将三维空间降为二维。在二维平面内利用解析几何的向量点积公式求出HSI 模型的色调分量值。

       坐标变换法的转换思路是基于RGB立方体沿对角线垂直竖立后与Munsell双锥体相似(图4)。通过直角坐标系的旋转,求出转换矩阵,并与极坐标系转换,得出转换公式(Kenneth,1996)。

       分段定义法是直接根据色度学定义得出转换公式。根据色度学的基本概念,将三基色RGB的色调分别定为0°,120°, 240°。RGB三分量中某分量最大时,该分量即为主分量,色调值位于该分量附近(正负60°范围)。偏差幅度由另外二个分量的相对差异归一化后决定(Foley,1990)。此方法所得模型常称作HSL模型。

       其中,算法1和算法2的色调H公式只是形式不同,实则等价。 

       几套公式转换后的H值域为[0, 2π],饱和度和亮度均为[0,1]。算法2的取值范围比较特别,S为[0, 26],I为[0,3] 。 

       最后,算法5所得转换模型的空间分布平均性最好,值域标准,适应性强。 HSI各分量间相对独立,在应用转换时,可以将上述几套公式中的HSI公式交叉使用,但也因此容易产生混淆。

 

3. RGB与HSI互相转换公式
       此处的RGB转HSI的公式采用算法1(几何推导法),HSI转RGB是算法1的逆运算。

       首先是RGB转HSI:

         然后是HSI转RGB:

 

  4.  RGB与HSI互相转换的C代码 

        首先给出RGB转HSI的代码,算法1:

        

       然后是RGB转HSI的代码,算法4:

       最后是与算法1匹配的HSI转RGB代码:

 

 5.  算法1和算法4速度测试

      此处测试的代码就是上面给出的代码,没有做任何优化。测试代码如下:

 

 结果是:算法4的时间是算法1的一半

 

   

 6.  算法4相对算法1的误差分析 

      算法1是最经典的RGB转HSI算法,也是最常用的算法,在某些对速度要求很高的情况下,我们可以用算法4替代算法1以提高图像处理速度。因此有必要分析一下这种快速算法的误差。以下是测试误差的代码:

   结果是:平均误差是0.12弧度(6.8756度),最大误差是0.191弧度(10.9483度)。 色调H将[0, 2*PI)等分为3个扇形,这个测试表明,算法4的误差不会扩散到另外一个扇区,因此不会影响到HSI转RGB的公式表达式。

   

  

7. HSI颜色空间小应用

    将RGB转换到HSI空间,通过S变量可以调整图像的饱和度,以下是一个效果图:


                        

                                                    (原始图像)                                            (饱和度增强后图像)

来源:nkwavelet

LOFTER

让兴趣,更有趣

简单随性的记录
丰富多彩的内容
让生活更加充实

下载移动端
关注最新消息