zdyshine / ImageProcessing100Wen

「画像処理100本ノック」中文版本!为图像处理初学者设计的 100 个问题。

Home Page:https://github.com/yoyoyo-yo/Gasyori100knock

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

图像处理 100 问!!

  • 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

Description

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OpenCVAPI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)

Related

★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

Recent

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

首先

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!

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

Matplotlib和OpenCV的Tips

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

问题

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。

问题1 - 10

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)

问题11 - 20

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

问题21-30

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

问题31-40

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

问题41-50

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)

问题51-60

序号 内容 Python C++ 翻译一校
51 形态学梯度(Morphology Gradient)
52 顶帽(Top Hat)
53 黑帽(Black Hat)
54 使用误差平方和算法(Sum of Squared Difference)进行模式匹配(Template Matching)
55 使用绝对值差和(Sum of Absolute Differences)进行模式匹配
56 使用归一化交叉相关(Normalization Cross Correlation)进行模式匹配
57 使用零均值归一化交叉相关(Zero-mean Normalization Cross Correlation)进行模式匹配
58 $4-$邻域连通域标记
59 $8-$邻域连通域标记
60 透明混合(Alpha Blending)

问题61-70

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)

问题71-80

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

问题81-90

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

问题91-100

序号 内容 Python C++ 翻译一校
91 利用 k-平均聚类算法进行减色处理第一步:按颜色距离分类
92 利用 k-平均聚类算法进行减色处理第二步:减色处理
93 准备机器学习的训练数据第一步:计算 IoU
94 准备机器学习的训练数据第一步:随机裁剪(Random Cropping)
95 神经网络(Neural Network)第一步:深度学习(Deep Learning)
96 神经网络(Neural Network)第二步:训练
97 简单物体检测第一步----滑动窗口(Sliding Window)+HOG
98 简单物体检测第二步----滑动窗口(Sliding Window)+ NN
99 简单物体检测第三步----非极大值抑制(Non-Maximum Suppression)
100 简单物体检测第三步----评估 Precision, Recall, F-score, mAP

TODO

adaptivebinalizatino, poison image blending

Citation

@article{yoyoyo-yoGasyori100knock,
    Author = {yoyoyo-yo},
    Title = {Gasyori100knock},
    Journal = {https://github.com/yoyoyo-yo/Gasyori100knock},
    Year = {2019}
}

License

© Yoshito Nagaoka All Rights Reserved.

This is under MIT License.

https://github.com/yoyoyo-yo/Gasyori100knock/blob/master/LICENSE

About

「画像処理100本ノック」中文版本!为图像处理初学者设计的 100 个问题。

https://github.com/yoyoyo-yo/Gasyori100knock

License:MIT License


Languages

Language:Python 54.4%Language:C++ 31.3%Language:Jupyter Notebook 13.3%Language:HTML 1.0%