Contours轮廓排序

1 找轮廓findContours

findContours有两个接口,区别在于需不需要输出hierarchy层次结构(可用于分析轮廓间关系,一般比较少用到)。

直接找最外层轮廓RETR_EXTERNAL,结果输出全部轮廓点CHAIN_APPROX_NONE

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. vector<vector<Point>> contours;  
  2. findContours(edges_D,contours,RETR_EXTERNAL,CHAIN_APPROX_NONE);  


2 轮廓大小排序

找完轮廓后,绝大部分需求就是再获取最大轮廓,简单的可以按照轮廓周长或轮廓面积来排序。


排序函数直接用std库:

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. std::sort(contours.begin(),contours.end(),ContoursSortFun);  


需要另外声明排序规则函数ContoursSortFun

按轮廓周长(轮廓点数量)排序:

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. static inline bool ContoursSortFun(vector<cv::Point> contour1,vector<cv::Point> contour2)  
  2. {  
  3.     return (contour1.size() > contour2.size());  
  4. }  


按轮廓面积排序:

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. static inline bool ContoursSortFun(vector<cv::Point> contour1,vector<cv::Point> contour2)  
  2. {  
  3.     return (cv::contourArea(contour1) > cv::contourArea(contour2));  
  4. }  

排完续后,contours中第一个元素contours[0]即是最大轮廓.


3 绘制最大轮廓

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. Mat Img(edges_D.size(),CV_8UC3,Scalar(0));  
  2. drawContours(Img,contours,0,Scalar(255,0,0),-1);  

drawContours中第3个参数为0说明绘制第一个轮廓;最后一个参数-1代表绘制时填充轮廓,若大于0则指轮廓厚度。

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成据,判别器评估据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函。 9. **损失函(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
### 回答1: 大端(Big-Endian)模式:据的高字节保存在内存的低地址中,而据的低字节保存在内存的高地址中。小端(Little-Endian)模式:据的高字节保存在内存的高地址中,而据的低字节保存在内存的低地址中。 ### 回答2: 串口通信的大小端字节序取决于传输的据类型。在串口通信中,据通常以字节的形式进行传输。对于字节的存储方式,有两种常见的字节序:大端字节序(Big-Endian)和小端字节序(Little-Endian)。 大端字节序是指将据的高位字节存储在内存的低地址中,而将据的低位字节存储在内存的高地址中。这种存储方式常用于网络传输和大部分的大型计算机中。 小端字节序则是将据的低位字节存储在内存的低地址中,而将据的高位字节存储在内存的高地址中。这种存储方式常用于一些小型计算机和个人电脑中。 在串口通信中,字节的传输是按照其在内存中的存储顺序进行的。如果通信的两端采用相同的字节序,则据能够正确地传输。然而,如果通信的两端采用不同的字节序,则据在接收端可能会发生错误的解析。 为了确保正确的据传输,通常需要在通信的两端进行字节序的转换。这可以通过将字节按照反转的方式进行重新排列来实现,从而使得传输的字节顺序与接收端相符。 总之,串口通信的大小端字节序是通过对字节的存储方式进行约定来确定的。如果通信双方采用相同的字节序据能够正确地传输。否则,需要进行字节序的转换以确保据的正确解析。 ### 回答3: 串口通信的大小端字节序是指据在传输过程中的存储顺序。在串口通信中,一个字节通常由8位二进制据组成,而字节序指的是这8位二进制据的存储顺序。 小端字节序(Little-endian)是指低位字节存储在内存的低地址处,而高位字节存储在内存的高地址处。在小端字节序中,据的字节排列顺序是从低位到高位的顺序。例如,十六进制0x12345678的存储顺序为0x78 0x56 0x34 0x12。 大端字节序(Big-endian)则是指高位字节存储在内存的低地址处,而低位字节存储在内存的高地址处。在大端字节序中,据的字节排列顺序是从高位到低位的顺序。例如,十六进制0x12345678的存储顺序为0x12 0x34 0x56 0x78。 在串口通信中,据的传输是以字节为单位的。当据从发送端传输到接收端时,发送端和接收端需要使用相同的大小端字节序,以保证据的正确传输和解析。 需要注意的是,串口通信中的大小端字节序是由通信设备或协议决定的,而不是由计算机的架构决定的。所以,在进行串口通信时,需要了解所使用的通信设备或协议的字节序要求,并进行相应的处理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值