图像分析的解决方案

迈不过友情╰ 2022-05-12 02:20 178阅读 0赞

1、图像采集，使用摄像头采集图像（RGB彩色）  
2、灰度转换，按照转换公式gry=0.34r + 0.33g + 0.33b，因为对于计算机而言，所有颜色都应该是平等的，并不是由人眼视觉产生的rgb差异化灰度（gry=ur+vg + wb）。  
3、统计灰度的正态分布，限制灰度的高低5%灰度为感扰灰度，变更为最近高低灰度值。  
注：灰度值统计分析可能会给出其他的图像相关特征，比如边缘像素的分布，灰度分布非正态，另，可以对像素点的梯度值进行统计分析，也可以中和其他像素变换的特征进行统计分析。

4、按正态分布中心定位拉伸灰度到全范围（255）。  
5、使用视觉细胞对象方法，生成视觉图像。  
每像素一个对象，计算像素属性：  
原RGB值  
像素值（灰度）  
像素位置（坐标）  
像素周围点的梯度值  
像素边缘属性（一个边缘像素取决于其相邻像素的灰度梯度，根据梯度的阈值进行过滤，形成不同于之下的边缘像素属性，对图像进行由粗到细的分隔过程，阈值越小，分隔越细）  
像素方向属性（边缘方向，八个方向对应相邻的八个像素）  
周围像素指针（访问周围像素对象，8个）  
所属块表指针链（属于多个块）  
其他像素属性  
6、生成像素块链表（按照周围像素的属性）  
7、计算基础块表属性  
基础快链表属性：  
像素块坐标（x,y,wid,hig）  
块层属性（基础块=0，包容快向上增大）  
包容快链表指针（属于块的指针）  
8、过滤块链表（需要具体识别目标的属性）  
9、剩余链表组合生成识别目标图像（完成视觉处理过程）

注意：在梯度的边缘过程中可能会出现过度灰度  
（边缘不闭合形态，此时需要再次统计计算过度过程的边缘像素  
1.不同的边缘像素出现在同一个块中时，可判断为边缘不闭合。  
2.按照边缘梯度像素的灰度值判定块边缘的灰度阈值  
3.用此灰度阈值计算边缘附近的过度灰度是属于快里还是快外  
4.是边缘封闭，形成梯度封闭快）

10、机器学习是将输入点的‘所有属性’根据接收神经元的DNA过滤器生成并存储到这个神经元中，并产生输入点属性值得输出，使初始输入值向下一个神经元点运动，依次产生神经元的DNA过滤属性，最后达到适合的结果。

初始输入（原始属性）--> 神经元的DNA过滤 --> ... ... -->靶向属性（过滤后原始属性含有的靶向属性比率值）

原始输入属性经过一系列神经元的过滤（DNA靶向权重），得到初始值的靶向属性比率，然后根据经验值判断初始输入是否满足靶向值。其中的‘经验值’就是机器学习的结果（数据归纳法结果）。

2018-09-30

对于图像分析，每一个像素都对应一个视觉神经元，每一个视觉神经元都有一个DNA过滤器，根据图像识别特征对像素进行处理，提取像素的全部属性，根据同类汇聚以及联通属性组成图块，每一个图块对应下一组视觉神经元，提取图块属性，进一步汇聚，获取进一步的图块属性，直至完成全图分析，最终得出靶向结果。

关于像素神经元的DNA过滤函数，它是根据目标识别属性（车牌、数值、景物等）的特征进行构造的。其中有一些数据偏好属性。对于通用的图像识别，处理过程和属性表示都需要做通用规划处理，并能根据实际情况做出适当的变化（参考人类的指示处理过程，从基础的本能概念开始衍生出初级知识，再到高级知识，通过当前环境和已有知识综合识别视觉目标）。

知识的表示是通用识别的基本结构，它是识别过程中产生的，也是从其他已有知识交流中获取的。有以下几种属性：  
1、从感知中获取的属性，可以从视觉、听觉、触觉等感觉中获取。  
2、可以从文本（文章）中提取，对文本的语义上的理解。  
3、从现象中获取，对于发生的周围环境变化，获取知识，并给出相应对策。  
4、其他方面的输入。

基本的知识，是与生俱来的本能性知识，所有其他衍生知识都是从基本的本能知识发展而来的，而本能知识是与DNA有关的，根据DNA的不同，相同的感知会得出有差异的衍生知识，这就是多样性和多层次性（聪明和愚蠢的分类）。

DNA是一个输入输出变换函数，对于视觉图像，是一个像素块到实物图像转换的函数，从单像素块到合成块，逐渐形成目标物体图像，最后确定输出目标物体的知识表示。这个逐渐合成图块的过程是一个图像处理与已有指示结合的过程，通过这个过程达到认知图像所表达知识，并添加到本系统中（形成自学习）。

本人的感悟，企图用‘对象’的神经元像素类模拟视觉神经的处理过程。

====================================2018-10-10

关于图像处理（2018-10-10）

实现图像颜色的处理  
像素的色彩属性，根据RGB三色空间色彩分布理论。

1、计算像素相对于三色轴的夹角cosα，分别标记为Rcosα，Gcosα，Bcosα，并获取RG，GB，BR差值，标记为：RG>0 则1，RG=0则0，RG<0则-1，并分别用两个二进制位表示，01，00，11。此三角平面表示像素颜色的轴属性，其值为一个字节00xxxxxx。

2、计算像素对色平面的夹角cosα，分别标记为RGcosα，GBcosα，BRcosα，并获取RGB，GBR，BRG差值，标记为：RGB>0则1，RGB=0则0，RGB<0则-1，并分别用两个二进制位表示，01,00,11。此三焦平面表示像素颜色的面属性，其值为一个字节00xxxxxx。

3、组合像素颜色的轴属性和面属性，形成像素颜色的RGB属性，其值为一个字（16位二进制值），这个值能够描述像素在颜色空间中的属性。