日本语本当苦手,==翻译出错还请在issue指正或直接发起 PR。代码算法方面的问题请往原repo提。==现阶段我并没有做这些题目(捂脸),只是翻译而已,因此算法细节可能没有翻译到位。不太好翻译的地方我也会在一定程度上意译
自行发挥,请各位谅解。后续在写代码的途中会对翻译有所更正。我会尽量附上英文术语,有翻译不清楚的地方还请参照原文、英语及代码。关于$\LaTeX$公式渲染问题:
- 在线阅读建议安装MathJax Plugin for Github插件获得
其实不太良好的公式阅读体验;- 离线阅读建议使用可以渲染$\LaTeX$公式的Markdown编辑器/阅读器,如Typora(我是用这个编写和转换PDF的)和MWeb。VSCode使用者建议安装Markdown All in One插件渲染$\LaTeX$公式;
- 各个README文件在完成基本校对之后会转为PDF文件。PDF文件阅读效果最佳。
有签名戳
——gzr
的引用部分和脚注都是译注。译注可能会打扰大家阅读,请各位谅解。感谢!
——gzr
English is here (KuKuXia translates into English)
https://github.com/KuKuXia/Image_Processing_100_Questions
Chinese is here (gzr2017, my ex-colleague, translates into Chinese)
https://github.com/gzr2017/ImageProcessing100Wen
为图像处理初学者设计的100个问题完成了啊啊啊啊啊(´;ω;`)
和蝾螈一起学习基本的图像处理知识,理解图像处理算法吧!解答这里的提出的问题请不要调用OpenCV
的API
,自己动手实践吧!虽然包含有答案,但不到最后请不要参考。一边思考,一边完成这些问题吧!
-
问题不是按照难易程度排序的。虽然我尽可能地提出现在流行的问题,但在想不出新问题的情况下也会提出一些没怎么听说过的问题(括弧笑)。
-
**这里的内容参考了各式各样的文献,因此也许会有不对的地方,请注意!**如果发现了错误还请发起PR ,帮助我改正!!
-
【注意】使用这个页面造成的任何事端,本人不负任何责任。请您自担风险。
俺也一样。使用这个页面造成的任何事端,本人不负任何责任。
——gzr
喜欢Python和C++的人来试试吧♡(最近新加了JavaScript呢)
2019.5.14. これ金にならんかなぁ…
如果有什么意见或者成绩的话也请一并告诉我!
如果这对大家有用的话,我们也将接受捐赠(括弧笑)
★追記 2019.11.7
Study-AI株式会社様 http://kentei.ai/ のAI実装検定のシラバスに使用していただくことになりました!(ディープラーニング無限ノックも)Study-AI株式会社様ではAIスキルを学ぶためのコンテンツを作成されており、AIを学ぶ上でとても参考になります!
検定も実施されてるので、興味ある方はぜひ受けることをお勧めします!
深度学习无限问请点击这里。
我也在Twitter上发布更新信息。
- 2019.11.22 [C++] Q.49~50 モルフォロジー処理(オープンイング、クロージング)を追加
- 2019.11.21 [C++] Q.48 モルフォロジー処理(収縮)を追加
- 2019.11.20 [C++] Q.47 モルフォロジー処理(膨張)を追加
- 2019.10.27 [C++] Q.44~46 Hough直線検出を追加、[Python]の解答を修正
- 2019.10.22 [C++] Q.41~43 Cannyのエッジ検出を追加, [Python] の解答を修正
- 2019.9.3 [Python] Q.81~100のAnswerコードをメソッド化
- 2019.9.2 [Python] Q.61~80のAnswerコードをメソッド化
- 2019.8.28 [Python] Q.51~60のAnswerコードをメソッド化
- 2019.8.18 [Python] Q.50までのAnswerコードをメソッド化
- 2019.8.12 [C++]Q.36-40の解答追加
- 2019.7.32 [C++]Q.32-35の解答追加
- 2019.7.23 [C++]Q.30-31の解答追加
- 2019.7.22 [C++]Q.25-29の解答追加
- 2019.6.30 Q.21-24のC++の解答追加
- 2019.6.8 JavaScriptのチュートリアルを追加
- 2019 Q.11-20 C++ を追加 Q.15 Sobelを修正
- 2019.3.25 Q.31 フーリエ系 Q.36 DCT, Q.47,48 トップハット変換系を修正
- 2019.3.13 Q95-100 Neural Networkを修正
- 2019.3.8 Questions_01_10 にC++の解答を追加!
- 2019.3.7 TutorialにC++用を追加 そろそろC++用の答えもつくろっかなーと
- 2019.3.5 各Questionの答えをanswersディレクトリに収納
- 2019.3.3 Q.18-22. 一部修正
- 2019.2.26 Q.10. メディアンフィルタの解答を一部修正
- 2019.2.25 Q.9. ガウシアンフィルタの解答を一部修正
- 2019.2.23 Q.6. 減色処理のREADMEを修正
- 2019.1.29 HSVを修正
打开终端,输入以下指令。使用这个命令,你可以将整个目录完整地克隆到你的计算机上。
$ git clone https://github.com/yoyoyo-yo/Gasyori100knock.git
然后,选择你喜欢的 Python 或者 C++,阅读下一部分——Tutorial!
内容 | Python | C++ | JavaScript | |
---|---|---|---|---|
1 | 安装 | ✓ | ✓ | |
2 | 读取、显示图像 | ✓ | ✓ | |
3 | 操作像素 | ✓ | ✓ | |
4 | 拷贝图像 | ✓ | ✓ | |
5 | 保存图像 | ✓ | ✓ | |
6 | 练习问题 | ✓ | ✓ |
请在这之后解答提出的问题。问题内容分别包含在各个文件夹中。请使用示例图片assets/imori.jpg
。在各个文件夹中的README.md
里有问题和解答。运行答案,请使用以下指令(自行替换文件夹和文件名):
python answers/answer_@@.py
详细的问题请参见各页面下的README
文件(各个页面下滑就可以看见)。
- 为了简化答案,所以没有编写
main()
函数。 - 虽然我们的答案以
numpy
为基础,但是还请你自己查找numpy
的基本使用方法。
序号 | 问题 | Python | C++ | 翻译一校 |
---|---|---|---|---|
1 | 通道替换 | ✓ | ✓ | ✓ |
2 | 灰度化(Grayscale) | ✓ | ✓ | ✓ |
3 | 二值化(Thresholding) | ✓ | ✓ | ✓ |
4 | 大津二值化算法(Otsu's Method) | ✓ | ✓ | ✓ |
5 | $\text{HSV}$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) | ✓ | ✓ | ✓ |
序号 | 内容 | Python | C++ | 翻译一校 |
---|---|---|---|---|
11 | 均值滤波器 | ✓ | ✓ | ✓ |
12 | Motion Filter | ✓ | ✓ | ✓ |
13 | MAX-MIN滤波器 | ✓ | ✓ | ✓ |
14 | 差分滤波器(Differential Filter) | ✓ | ✓ | ✓ |
15 | Sobel滤波器 | ✓ | ✓ | ✓ |
16 | Prewitt滤波器 | ✓ | ✓ | ✓ |
17 | Laplacian滤波器 | ✓ | ✓ | ✓ |
18 | Emboss滤波器 | ✓ | ✓ | ✓ |
19 | LoG滤波器 | ✓ | ✓ | ✓ |
20 | 直方图 | ✓ | ✓ |
序号 | 内容 | Python | C++ | 翻译一校 |
---|---|---|---|---|
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 | ✓ | ✓ |
序号 | 内容 | Python | C++ | 翻译一校 |
---|---|---|---|---|
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 | ✓ | ✓ |
序号 | 内容 | Python | C++ | 翻译一校 |
---|---|---|---|---|
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) | ✓ | ✓ |
序号 | 内容 | Python | C++ | 翻译一校 |
---|---|---|---|---|
61 | $4-$连接数 | ✓ | ||
62 | $8-$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) | ✓ |
序号 | 内容 | Python | C++ | 翻译一校 |
---|---|---|---|---|
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 | ✓ |
序号 | 内容 | Python | C++ | 翻译一校 |
---|---|---|---|---|
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 | ✓ |
adaptivebinalizatino, poison image blending
@article{yoyoyo-yoGasyori100knock,
Author = {yoyoyo-yo},
Title = {Gasyori100knock},
Journal = {https://github.com/yoyoyo-yo/Gasyori100knock},
Year = {2019}
}
© Yoshito Nagaoka All Rights Reserved.
This is under MIT License.
https://github.com/yoyoyo-yo/Gasyori100knock/blob/master/LICENSE