写在前面前面介绍了OTSU算法，对于阈值分割法，不得不介绍另外一种较为突出的算法——最大熵阈值分割法（KSW熵算法）。最大熵阈值分割法和OTSU算法类似，假设将图像分为背景和前景两个部分。熵代表信息量，图像信息量越大，熵就越大，最大熵算法就是找出一个最佳阈值使得背景与前景两个部分熵之和最大。原理由于和OTSU算法类似，所以原理上就不再赘述和推导，言简意赅。...

1 反向传播算法和BP网络简介误差反向传播算法简称反向传播算法（即BP算法）。使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法，它的基本思想为：（1）先计算每一层的状态和激活值，直到最后一层（即信号是前向传播的）；（2）计算每一层的误差，误差的计算过程是从最后一层向前推进的（这就是反向传播算法名字的由来）；（3）更新参数（目标是误差变小）。迭代前面两个步骤，直...

写在前面再过2个小时，就是2020年了，回顾2019，有得也必有失，只感叹时间过得真的很快，像我这样的贫困人口也要被消灭了，哈哈。2019最后这2个小时就用一篇博客作为结尾吧。昨天CSDN上一位同学说他们要做一个豆子识别的任务，但是豆子之间的粘连比较严重，如下图，不利于豆子的识别，问我有什么方法可以解决，当然深度学习完全可以做到完美分割与识别，但是他的需求只是预处理，传统的图像处理就可以，...

最近用C++/OpenCV调用MATLAB函数，有必要专门把这两个函数拿出来记录一下。需要注意的是，Mat2mwArry函数的输入Mat类型是 CV_64FC1，灰度图。如果要传递多通道图像的话，需要先cv::split()成多个灰度图像分别传给matlab。mwArray2Mat的返回Mat的类型是CV_64FC1，可以通过cv::Mat::convert()转化成所需要的类型...

写在前面POSHE算法原理解读及c++代码实现请看：https://blog.csdn.net/weixin_40647819/article/details/88416512这次用MATLAB实现。代码git 下载地址：https://github.com/2209520576/Image-Processing-Algorithm/tree/master/Graysca...

初始状态：效果：功能：按下按钮【局部框选】，然后鼠标左键按下，拖动鼠标，图像上会画出矩形，鼠标左键抬起，会弹出提示框（提醒是否打开原始表格数据），选择后会弹出相应的数据进行显示。实现：1、左键按下，获取开始点（绘制矩形框的起始点）；2、鼠标移动，绘制矩形框3、鼠标抬起，消隐最后一个矩形框，显示消息对话框。4、选择消息对话框的提示，然后显示数据！代码:左键按下//鼠标左键按下void CTouch_

前言SVM算法在在1995年正式发表，在针对中小型数据规模的分类任务上有着卓越的效果，同时有着完整的理论证明，在20世纪末的几年和21世纪初的10年完胜神经网络，吴恩达在其2003年的《Machien learning》公开课上用两节课的时间对其进行讲解，而神经网络讲解了20min左右。就是这个算法把神经网络按在地上摩擦了大概15年的时间，直到深度学习的兴起。但即便这样，现在SVM算法依旧被广..

写在前面Prewitt算子同样是一种一阶微分算子，它的卷积算子和Prewitt算子非常类似，仅仅是系数不同，但Sobel算子对于像素位置的影响做了加权，与Prewitt算子、Roberts算子相比效果更好。优点对边缘定位较为准确，能较好地处理灰度渐变和噪声较多的图像，计算简单，可分别计算水平和垂直边缘，如EasyPR用其定位车牌。原理首先我们看Sobel算子：...

原理介绍前面写了OTSU算法、最大熵算法、自适应阈值法、基于区域生长算法。他们都有各自的优缺点，而分水岭算法具有它们都具有的优势，所以通常能够产生更加稳健的分割效果。分水岭算法(watershed)是一种比较基本的数学形态学分割算法，其基本思想是将灰度图像转换为梯度图像，将梯度值看作高低起伏的山岭，将局部极小值及其邻域看作一个“集水盆”。设想一个个“集水盆”中存在积水，且水位不断升高，淹没...

写在前面前面写了OTSU算法、最大熵算法、自适应阈值法，这些都是基于阈值的分割算法。今天写一下基于区域的分割算法，其中最为有名和经典的就是区域生长算法。值得说明的是：OpenCV没有提供区域生长算法的API。优点：基本思想相对简单，通常能将具有相同特征的联通区域分割出来，并能提供很好的边界信息和分割结果。在没有先验知识可以利用时，可以取得最佳的性能，可以用来分割比较复杂的图象，如自然景...