Skip To Main Content
int Height on Muck Rack

int Height

As seen in: cnblogs.com, CSDN
Is this you? As a journalist, you can create a free Muck Rack account to customize your profile, list your contact preferences, and upload a portfolio of your best work. Claim your profile
Back to int Height’s profile

Articles by int Height

【快速阅读二】从OpenCv的代码中扣取泊松融合算子（Poisson Image Editing）并稍作优化...

|
By int Width, int Height, Mat res, Mat complex
| CSDN
泊松融合我自己写的第一版程序大概是2016年在某个小房间里折腾出来的，当时是用的迭代的方式，记得似乎效果不怎么样，没有达到论文的效果。前段时间又有网友问我有没有这方面的程序，我说Opencv已经有了，可以直接使用，他说opencv的框架太大，不想为了一个功能的需求而背上这么一座大山，看能否做个脱离那个环境的算法出来，当时，觉得工作量挺大，就没有去折腾，最近年底了，项目渐渐少了一点，公司上面又在搞办公室政治，我地位不高，没有参与权，所以乐的闲，就抽空把这个算法从opencv里给剥离开来，做到了完全不依赖其他库实现泊松融合乐，前前后后也折腾进半个月，这里还是做个开发记录和分享。 在翻译算法过程中，除了参考了opencv的代码，还看到了很多参考资料，主要有以下几篇： 1、http://takuti.me/dev/poisson/demo/ 这个似乎打不开了,早期的代码好像是主要参考了这里 2、http://blog.csdn.net/baimafujinji/article/details/46787837 图像的泊松(Poisson)编辑、泊松融合完全详解...
Open in Who Shared Issue with article?

【快速阅读三】使用泊松融合实现单幅图的无缝拼贴及消除两幅图片直接的拼接缝隙。 - Imageshop - 博客园

|
By int Width, int Height
| cnblogs.com
在【快速阅读二】从OpenCv的代码中扣取泊松融合算子（Poisson Image Editing）并稍作优化 一文的最后，我曾经提到有个使用泊松融合来来实现Seamless Tiling的效果，我自己尝试去实现，暂时没有获取正确的结果，论文里给出的效果如下： 一开始我没怎么看这个tinling的意思，总是以为算法的目的是左图通过泊松融合的处理，能够处理成右图的效果，所以怎么测试也打不到真确的结果。 后面又看了几篇文章，原来他并不是这个意思，注意到上面左图里上下共有2*3个相同的块，如下图所示： 他的意思是通过修改某种边界条件对这个图使用泊松融合，得到后的结果图，再进行拼接就可以得到那种无缝的效果了，即先泊松，再拼接，而不是先拼接，后泊松。我们去看看Tiling这个单词的意思也明白这个道理了。 那么在原文中他说只需要 we have chosen fnorth = fsouth = 0:5(gnorth + gsouth), and similarly for the eastand west borders.就可以了。 后面我在泊松图像编辑(Possion Image...
Open in Who Shared Issue with article?

【快速阅读二】从OpenCv的代码中扣取泊松融合算子（Poisson Image Editing）并稍作优化

|
By int Width, int Height, Mat res, Mat complex
| cnblogs.com
泊松融合我自己写的第一版程序大概是2016年在某个小房间里折腾出来的，当时是用的迭代的方式，记得似乎效果不怎么样，没有达到论文的效果。前段时间又有网友问我有没有这方面的程序，我说Opencv已经有了，可以直接使用，他说opencv的框架太大，不想为了一个功能的需求而背上这么一座大山，看能否做个脱离那个环境的算法出来，当时，觉得工作量挺大，就没有去折腾，最近年底了，项目渐渐少了一点，公司上面又在搞办公室政治，我地位不高，没有参与权，所以乐的闲，就抽空把这个算法从opencv里给剥离开来，做到了完全不依赖其他库实现泊松融合乐，前前后后也折腾进半个月，这里还是做个开发记录和分享。 在翻译算法过程中，除了参考了opencv的代码，还看到了很多参考资料，主要有以下几篇： 1、http://takuti.me/dev/poisson/demo/ 这个似乎打不开了,早期的代码好像是主要参考了这里 2、http://blog.csdn.net/baimafujinji/article/details/46787837 图像的泊松(Poisson)编辑、泊松融合完全详解...
Open in Who Shared Issue with article?

【短道速滑十】非局部均值滤波的指令集优化和加速（针对5*5的搜索特例，可达到单核1080P灰度图 28ms/帧的速度）。

|
By int Width, int Height, int Stride, Goto FreeMemory
| cnblogs.com
非局部均值滤波(Non Local Means）作为三大最常提起来的去燥和滤波算法之一（双边滤波、非局部均值、BM3D），也是有着很多的论文作为研究和比较的对象，但是也是有着致命的缺点，速度慢，严重的影响了算法的应用范围。目前在已有的文献中尚未看到在不对算法的本质原理上做更改的情况下，能取得实时的效果，本文呢，也不求得到这个目的，只是对现有的开放的资源上来取得更进一步的提升。 标准的NL-Means算法中，一般有三个参数，搜索半径SearchRadius，块半径PatchRadius，以及一个决定平滑程度的高斯函数参数Delta。在百度上能够搜索到的大部分文章所描述的提速算法都是使用积分图来提升NL-Means的速度，这也是目前来说唯一比较靠谱的优化技术，通过积分图，可以做到算法和块半径PatchRadius的大小基本无关，和Delta也无关，和SearchRadius成平方关系。 因此，在我们很多的严重的噪音图像中，SearchRadius至少需要取到7以上（涉及15*15=...
Open in Who Shared Issue with article?
Show More