机器视觉入门篇:80+图像算法从入门到进阶
·
综述
计算机视觉入门学习,看这一篇就够了。我已系统梳理了80+个核心算法,覆盖传统视觉从底层图像处理到高层视觉理解的完整技术链条。这份终极指南助你无需四处搜寻,一文构建完整的视觉知识体系,带你从视觉入门走向精通。
====> 持续更新中,欢迎评论区留言。
传统计算机视觉算法
- 边缘与角点检测
- Canny边缘检测 - 【01】Canny边缘检测:原理、实现与性能对比
- Harris角点检测 -【02】深入理解Harris角点检测:从原理推导到实战实现
- 特征提取与描述
- SIFT(尺度不变特征变换)-【03】SIFT算法解析:两张图片的关键点匹配
- SURF(加速鲁棒特征)-【04】SURF算法解析:高效图像特征提取与匹配实战指南
- HOG(方向梯度直方图)-【05】方向梯度直方图(HOG)详解:从原理到实现
- BRIEF(二进制鲁棒独立特征)
- ORB(Oriented FAST and Rotated BRIEF)
- FREAK(快速视网膜关键点)
- LBP(局部二值模式)
- BRISK(二进制稳健尺度不变关键点)
- AKAZE(加速KAZE特征)
- FAST角点检测
- LATCH(局部自适应特征描述子)
- Daisy描述符
- GLOH(梯度位置方向直方图)
- RootSIFT(SIFT的平方根归一化)
- 局部强度模式(LIOP)
- 加速线段检测(LSD)
- 边缘检测的EDLines
- 相位一致性边缘检测
- 光流法
- Lucas - Kanade光流法
- 稠密光流(Dense Optical Flow)
- DeepFlow
- FlowNet/FlowNet2.0
- 模型拟合与优化
- RANSAC(随机抽样一致)
- 图像增强与滤波
- 直方图均衡化
- 高斯滤波
- 双边滤波(Bilateral Filter)
- 引导滤波(Guided Filter)
- 非局部均值去噪(Non - Local Means)
- BM3D(块匹配与3D滤波)
- 多尺度Retinex(MSR)
- 盲去卷积(Blind Deconvolution)
- Retinex理论(色彩恒常性)
- 图像分割
- 分水岭分割算法
- GrabCut图像分割
- 形态学操作(腐蚀/膨胀)
- K - Means聚类用于图像分割
- 区域生长算法
- 水平集方法(Level Set)
- GraphCut(图割算法)
- Otsu阈值分割
- 超像素分割(SLIC, SEEDS, Felzenszwalb算法)
- 马尔可夫随机场(MRF)
- CRF(条件随机场)/ CRFasRNN
- 图像变换
- 傅里叶变换
- 霍夫变换(直线/圆检测)
- 图像金字塔
- Laplacian金字塔
- 匹配与跟踪
- 模板匹配
- 背景减除(Background Subtraction)
- 主动轮廓模型(Active Contour)
- 均值漂移(Mean Shift)
- 图像配准与拼接
- 图像配准(SIFT + RANSAC)
- 图像拼接(Panorama Stitching)
- 图像哈希与质量评估
- 图像哈希(Perceptual Hashing)
- 图像质量评估(SSIM, PSNR)
- 图像压缩与水印
- 图像压缩(JPEG2000, Web)
- 其他
- 结构光三维重建
- 立体匹配(Stereo Matching)
- 3D - SIFT
- 视频插帧(VoxelFlow)
特征提取(补充)
- 角点与特征点
- FAST角点检测
- BRISK(二值稳健尺度不变特征)
- 特征描述符
- LATCH(局部自适应特征描述子)
- Daisy描述符
- GLOH(梯度位置方向直方图)
- RootSIFT(SIFT的平方根归一化)
- 局部强度模式(LIP)
- 纹理与颜色特征
- 颜色直方图(Color Histogram)
- 灰度共生矩阵(GLCM)
- 方向梯度直方图(HOG变种)
- 纹理特征(Gabor滤波器组)
- 深度特征
- 深度特征(如VGG16的Conv5特征)
- Fisher Vector(Fisher向量编码)
- VLAD(局部聚合描述符向量)
- 其他特征
- 加速线段检测(LSD)
- 边缘检测的EDLines
- 多尺度Retinex(MSR)
- 相位一致性特征
- 光流特征(用于视频)
- 深度特征融合(如特征金字塔)
关注获取更多资料
我给大家整理了一套全网最全的人工智能学习资料(1.5T),包括:机器学习,深度学习,大模型,CV方向,NLP方向,kaggle大赛,实战项目、自动驾驶,AI就业等,扫码关注免费获取。


更多推荐
所有评论(0)