新普金娱乐网址


Alamofire源码解读系列(十)之序列化(ResponseSerialization)

地理App Store2016年风行审核规则

水下图像增强相关算法的一个简小结。

  • 八月 31, 2018
  • 数学
  • 没有评论

  最近一直未曾找到感兴趣之研究课题,下了几乎单新型的去雾的舆论,随便扣留了下,觉得都是为写论文而举行的舆论,没有什么创新性,也不怕无想法去落实他们。偶尔看到了一部分关于水下图像增强方面的章,闲来无聊试着去探访效果,不过为看异常给人大失所望,似乎并无特意实用的算法。

作的意义是呀?你干什么要作?

     
就自己看得几乎篇文章而言,这仿佛算法都未是打规律上、或者说某个一个数学模型、抑或是某种先验知识出发,而提出的算法,都是平等种没有啊特强的说理支持,只是透过有些事实上的考查而赢得的片过程而已。这些经过对于论文本身受到提供的测试图像都有较为理想的拍卖功能,而而选择相同称其他属性的水下图像,其结果往往难以令人满意。因此,也便没类似于去雾算法界暗通道先验那样不可逾越的黄金文章了。

自己本既休希罕思考各种关于意义的问题,因为不少东西追问其意义,不是寻觅不顶答案,就是获得“没有意思”的对答。我们谈话的极度多之是人生之意思,各种答案都发生,但一定有成百上千人体会不发人生之义。人实在深不起眼,渺小到可有可无。人之寿命对于宇宙而言也是匆匆一扫,短的非常。那么我们存在的含义是啊为?我之回复是,人在在不是为了问自己生没有起含义,开心就是哼。

       我看了三首文章,第一篇是Underwater
Image Enhancement Using an Integrated Colour
Model,07年底篇章,算法的细路很简单,借用文章被的一样契合流程图来说明下:

别的意义我非思谈谈,但是于做自己还是想讲同样说自己的喻。

         
 数学 1

在自己稍稍之时,由于处在农村,物质贫乏,附近没有书店,也未尝采购书之钱。直到五年级我才第一蹩脚错过书店,买了点滴本书。之后以县城及初中,几乎每个星期天都设去新华书店看看书,有时候为会见市有修回去看,如饥似渴。当时最好欣赏的是郑渊洁的著述,小学六年级的时节呢看罢连环画版本的《舒克贝塔历险记》,印象深刻。郑渊洁的修占了一个差不多书柜,每次我都因为在书柜下,看了一如约起平等依照。后来发相同上,我突发奇想,郑渊洁可以写童话,为什么我莫得以形容吗?然后自己买了只娇小的台本,尝试在写一碰东西。写出来的物特别天真,而且肯定是人云亦云郑渊洁。但自己迷恋,最后写了广大篇毫无逻辑的童话。甚至于夜晚的培训班课上,老师一致省课就谈一两志特别不便的数学题,我于底下思索着写一首有关羊之童话。到了初三,我还是准备写一管长篇童话,而且还写了腔几节。

 

这妻子还没有电脑,我一直幻想着什么时候能具有手机以及处理器,还在张上打生了其的大概,像念在咒语一样念叨着手机电脑的赶来。当自家起来写长篇童话的万分时候,我给自身爸写了一样封闭信,上面是自的作文和依靠这个赚钱的计划,一个月写多少篇童话,赚多少钱稿费。并且于信的尾声强调自身用一个计算机来写作。当时曾经抢吃考查了,我大答应了自家之请,买了台式电脑。有矣微机,我当一个星期,用微软于带的拼音输入法,一个字一个许地敲下自己的一个短篇童话。标题是《小鸡变凤凰》,内容主导学丑小鸭,而且模仿郑渊洁的讽刺风格。打了这篇稿子,心里那个满足。

   
 很粗略的步骤,首先是进展针对比度拉升,可以当作是近似于PS中之机关对比度,接着以拍卖后底图像转换到HSI颜色空间,在对S和I分量进行拉升,之后重新以HSI空间的数量易到RGB空间得到终极之图像。在百度上探寻谁下图像增强,能检索到一个连锁的专利,见http://www.google.com/patents/CN102930512A?cl=zh,这个专利的内容其实呢从未啥新意,一样的便是当HSI空间将S和I分量用任何的计开展了拉升和处理,还是发明专利,呵呵,大家还清楚国内专利是怎么回事。

以初三之最终日子里,我出了一些厌学情绪。上课时自还幻想着当时写来一致篇轰动文坛的著作,然后出版一本书,像郭敬明那样畅销百万册,然后用巨额版税,不用还看了,买部车去看看好几年没见之小学同学……现在看来这些想法幼稚至极,但那就是本人立即之想法。在即时,对己而言,写作对自己而言,最要命之含义就是带来我脱离苦海,哪怕写出来的事物事实上连小学生做都不如。

     
这首论文对算法有的叙述或过于简单,虽然对比度拉升给了单公式,但并从未明显的说明S和I分量的有血有肉处理流程,他给的有限首参考文献对应之网站也无从打开了,因此无法对原来之算法进行求证,我用GIMP的对比度拉升

尚好,最后自己要么失去与了中考,虽然自己认为自己弗达到高中都没事。我幸运上了县重点高中,离初中很守,初中及我家就同一墙的隔。高一时,我连续当母校发之风流纸张的剧本上描绘童话,写的耀武扬威。我勾勒了有生出情、逻辑还说得过去的创作,包括中篇,虽然到最终还没得了。我之同窗每次都以美人鱼调侃我,因为他看来本人形容了千篇一律首与美人鱼有关的童话。分班后自己读了文科,但是没有怎么写东西了。现在就记高三最后的小日子,靠看杂志及描绘一点点童话来排除压力。有同等龙我回家路上看到了夜空被透亮的月光,看了好一会,然后回家晚虽形容了相同首名叫吧“救月亮”的短篇童话,那种压抑状态下放松自己之思考,竭尽脑力写有同样首文章的感觉到真是妙不可言。那个时候,写作之含义当是自家解脱。感到宽慰的是,不止一个同桌看了自己勾勒的东西后说还对。

  • HSV拉升未能达成论文被的成效。 

自此虽是顺经过高考,上了高校。到今天简单年多了,我基本无写来什么事物。原本高中时一直惦记方大学了时光十分充实,要描写过多博事物。但是到了高校因极度轻松,选择最多,我反而没有写啊。有时候自己回忆当年底优秀,觉得抱歉自己,于是迫使自己写一点东西,但是每次都尚未坚持下去。

     
 第二篇和老三首都是故底图像融合的道来拍卖的,分别是Enhancing
Underwater Images and Videos by Fusion以及Effective Single Underwater
Image Enhancement by
Fusion,后同首是境内合工大和中科大的作者写的,很扎眼好看得出模仿的字迹

原来自己专门欣赏写东西,为什么现在无愿意写了吗?

     
 其实这种经过融合的艺术吗蛮简短,就是先找找点儿栽算法得到针对性本来图两种植不同程度的增长的结果,然后择好一个融合系数的计算公式,再拓展拉普拉斯金字塔融合,从而提取更好之结果。Enhancing
Underwater Images and Videos by
Fusion这首文章就是是选用了白平衡的结果(记否I1)作为融合之目标同,
用对I1进行双边滤波+CALHE之类的算法处理的结果(记否I2)作为融合之靶子2。标准的拉普拉斯融合的融合算法一般生:最特别价值、最小价、平均值,这里虽然改为某某平等种权重系数的齐心协力,最后进行拉普拉斯融合。

今天见到这个问题,写了这么多言,我哉出了较清晰的答案了。这些字自身是比较轻松就形容下去的,而且充分享受这种感觉。其实自己欣赏写,就是喜欢做之感到。一个人数安静地做一样码事,会来协调的一模一样点小作品,这不是如出一辙项大理想之转业啊?至于说写的好不好,能免可知拿稿费,我未会见还错过争论了,能分享这历程尽管哼。就比如本人近年起模拟画画,别人首先潮写就颇为超我画一个月的水平,但自莫会见就此放弃打,因为自己喜爱绘,那就打好了。

     
 因此,这个算法的处理结果的好坏性完全在融合之目标,即有限单前处理算法。但是同样有的题目就是算法的大适应性,某同种植前处理对某一样好像合适,对其余的就未必然了。

自己喜爱写东西,那即便描写了。就这么。

     
 我这里通过一些试,也提出同样栽前处理算法,这个算法的效能好于GIMP的颜色–》自动–》色调均化中看到。

     
 虽然GIMP是一个看似PS的软件,但双边的色均成为效应完全两样,查看GIMP的代码就会明白就是怎了,我此贴出GIMP的这个算法的着力代码有:

static void
equalize_lut_setup (GimpLut       *lut,
                    GimpHistogram *hist,
                    gint           n_channels)
{
  gint            i, k, j;
  hist_lut_struct hlut;
  gdouble         pixels_per_value;
  gdouble         desired;
  gdouble         sum, dif;

  g_return_if_fail (lut != NULL);
  g_return_if_fail (hist != NULL);

  /* Find partition points */
  pixels_per_value = gimp_histogram_get_count (hist,
                                               GIMP_HISTOGRAM_VALUE,
                                               0, 255) / 256.0;

  for (k = 0; k < n_channels; k++)
    {
      /* First and last points in partition */
      hlut.part[k][0]   = 0;
      hlut.part[k][256] = 256;

      /* Find intermediate points */
      j   = 0;
      sum = (gimp_histogram_get_channel (hist, k, 0) +
             gimp_histogram_get_channel (hist, k, 1));

      for (i = 1; i < 256; i++)
        {
          desired = i * pixels_per_value;

          while (sum < desired && j < 256)
            {
              j++;
              sum += gimp_histogram_get_channel (hist, k, j + 1);
            }

          /* Nearest sum */
          dif = sum - gimp_histogram_get_channel (hist, k, j);

          if ((sum - desired) > (dif / 2.0))
            hlut.part[k][i] = j;
          else
            hlut.part[k][i] = j + 1;
        }
    }

  gimp_lut_setup (lut, (GimpLutFunc) equalize_lut_func, &hlut, n_channels);
}

void
gimp_lut_setup (GimpLut     *lut,
                GimpLutFunc  func,
                void        *user_data,
                gint         nchannels)
{
  guint   i, v;
  gdouble val;

  if (lut->luts)
    {
      for (i = 0; i < lut->nchannels; i++)
        g_free (lut->luts[i]);

      g_free (lut->luts);
    }

  lut->nchannels = nchannels;
  lut->luts      = g_new (guchar *, lut->nchannels);

  for (i = 0; i < lut->nchannels; i++)
    {
      lut->luts[i] = g_new (guchar, 256);

      for (v = 0; v < 256; v++)
        {
          /* to add gamma correction use func(v ^ g) ^ 1/g instead. */
          val = 255.0 * func (user_data, lut->nchannels, i, v/255.0) + 0.5;

          lut->luts[i][v] = CLAMP (val, 0, 255);
        }
    }
}

  gimp的代码看起相当晦涩的,但是实际上上述算法要描述的意思非常粗略,就是本人欲我调动后的图像的直方图于每个色阶上的分布概率都是一律的。其实是历程就可以看成是直方图规定化的一个过程,举例如下:

     数学 2   
 数学 3

                     原  图      
                                                           
处理后底图

    数学 4   
 数学 5 
  数学 6

    数学 7   
 数学 8   
 数学 9

    数学 10   
 数学 11   
 数学 12

        原图B/G/R对应之直方图          
                   待匹配的直方图                 
 处理后底直方图

  可见处理后底直方图已经尽量为带匹配的模式贴近,但无容许全等同。

   
 用这个过程处理了几帧论文中带的水下图像,效果如下:

 
 数学 13 
  数学 14

 
 数学 15 
  数学 16

 
 数学 17 
  数学 18

    最后一轴图于Enhancing Underwater
Images and Videos by
Fusion一温情遭遇的力量是可怜高的,主要是过于的不胜自然,这个当融合在其作用吧。

   
融合这种处理方式确实一个值得推广的想法,因此那篇论文才见面成为2012之CVPR论文之一之。

 数学 19

*********************************作者:
laviewpbt   时间: 2014.4.6   联系QQ:  33184777
 转载请保留本行信息************************

相关文章

No Comments, Be The First!
近期评论
    分类目录
    功能
    网站地图xml地图