/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。

Primary LanguagePythonMIT LicenseMIT

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）

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