_hermit:-CSDN博客

原创 python数字图像处理基础（十二）——银行卡识别

感兴趣区域。机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子（Operator）和函数来求得感兴趣区域ROI，并进行图像的下一步处理。2.模板要求：输入模板必须带有所有的数字，且字体与识别的银行卡号一样输入：模板图像输出：0-9各个数字模板流程：(1)输入模板图像(2)模板图像转换为灰度图(3)灰度图转换为二值图(4)找到所有数字的外轮廓。

2024-01-19 15:17:23 1102 2

原创 python数字图像处理基础（十一）——光流估计

具体来说，该算法考虑图像中的每个像素周围的小邻域，并假设该邻域内的像素强度变化可以用一个位移向量来描述。光流估计的目标是找到一个场景中每个像素点的运动向量，表示它在图像中的位移。通过了解图像序列中物体的运动，我们可以更好地理解场景的动态变化，从而支持许多应用，如行为分析、目标跟踪和视频稳定。是空间运动物体在观测成像平面上的像素运动的“瞬时速度”，根据各个像素点的速度矢量特征，可以对图像进行动态分析，例如目标跟踪。它假设一个小的图像块内的像素强度变化是线性的，并通过解一个最小二乘问题来计算局部运动。

2024-01-19 14:52:32 1523

原创 python数字图像处理基础（十）——背景建模

其基本思想是通过对视频序列中的像素进行建模，找到视频中的静态背景，并将不同的像素标记为背景和前景，从而使后续的对象检测和跟踪更为可靠。由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。在测试阶段，对新来像素点的值与混合高斯模型中的每一个均值进行比较，如果其差值在2倍的方差之间的话，则认为是背景，否则认为是前景。3.当后面来的像素值时，与前面已有的高斯的均值比较，如果该像素点的值与其模型均值差在3倍的方差内，则属于该分布，并对其进行参数更新。等，它们也可以用于不同的场景和需求。

2024-01-18 23:07:27 1518 1

原创 python数字图像处理基础（九）——特征匹配

利用两个图像中至少四个特征点能够求解一个单应性矩阵(homography matrix)，然后用这个单应性矩阵能够将图像1中的某个坐标变换到图像2中对应的位置。基本的思想是：数据中包含正确的点和噪声点，合理的模型应该能够在描述正确数据点的同时摒弃噪声点。而RANSAC算法则通过随机采样和一致性检验，从包含噪声的数据中估计出正确的模型参数，对于一些存在噪声和异常值的情况，RANSAC能够更稳健地估计模型。你提到的使用SIFT找到特征点，并通过单应性矩阵将图像进行变换，是一种常见的方法。通过SIFT找特征点。

2024-01-18 22:50:57 5054 5

原创 python数字图像处理基础（八）——harris角点检测、图像尺度空间、SIFT算法

让选择的特征点更加准确：把图像首先做一个金字塔，金字塔中每一层做不同的高斯滤波，让每一层图像进行不同程度的模糊，通过差分的方法选出最有价值的点，点的选择方法：DoG空间极值检测——在3X3的三维像素区域内(类似魔方)将中心点与周围26个像素点进行比较，得到候选关键点；然而计算机要有相同的能力却不是那么的容易，在未知的场景中，计算机视觉并不能提供物体的尺度大小，其中的一种方法是把物体不同尺度下的图像都提供给机器，让机器能够对物体在不同的尺度下有一个统一的认知。角点是图像中局部区域的交叉点或者突出的特征点。

2024-01-18 22:43:38 1653 1

原创 python数字图像处理基础（七）——直方图均衡化、傅里叶变换

使用一个60×60的矩形窗口进行蒙板操作，去除低频分量，使用函数np.fft.ifftshift将图像中心平移回左上角，然后使用函数 np.ifft2()进行FFT逆变换，将得到的复数结果取绝对值。（个人理解，在图像问题当中，频域是指图像的灰度变化，也就是灰度图像的梯度值，这个和轮廓的原理差不多，灰度值变化剧烈的叫做高频分量，例如边界和噪声。：通过傅里叶变换，将图像转化为频谱图，而低通滤波和高通滤波则是傅里叶变换的逆变换，即通过对频谱图进行一些操作（保留低频/保留高频），从而达到改变原始图像的效果。

2024-01-17 23:36:24 2436

原创 python数字图像处理基础（六）——模板匹配、直方图

你可以将直方图视为图形或绘图，从而为你提供有关图像强度分布的总体思路。它是X轴上的像素值(范围从0到255，并非总是)和Y轴上图像中相应像素数量的绘图。

2024-01-17 23:30:53 1452

原创 python数字图像处理基础（五）——Canny边缘检测、图像金字塔、图像分割

该函数还可返回一个可选的hiararchy结果，这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i] [0] ~hierarchy[i] [3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。基于聚类的算法是基于事物之间的相似性作为类划分的标准，即根据样本集的内部结构将其划分为若干子类，以使相同类型的类尽可能相似、不同的类型的类尽可能不相似。3）图像中的对象区域用部分像素标记。

2024-01-17 23:14:57 2166

原创 python数字图像处理基础（四）——图像平滑处理、形态学操作、图像梯度

图像函数f(x,y)在点(x,y)的梯度是一个具有大小和方向的矢量,梯度的方向是函数f(x,y)变化最快的方向，当图像中存在边缘时，一定有较大的梯度值，相反，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小，图像处理中把梯度的模简称为梯度。让临近的像素具有更高的重要度，对周围像素计算加权平均值，较近的像素具有较大的权重值。与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是1，中心元素的像素值就是1。白到黑是正数，黑到白就是负数了，所有的负数会被截断，为0，即都是黑的。

2024-01-16 21:29:31 2549 1

原创 python数字图像处理基础（三）——图像融合、图形绘制、阈值操作、色彩分割

如果你想识别红色或是蓝色，可以直接将改成或是。其中color_dist内包含的是颜色在HSV模式下的范围。例：将一副图像从rgb颜色空间转换到hsv颜色空间，颜色去除白色背景部分。

2024-01-16 21:07:14 1333

原创 python数字图像处理基础（二）——图像基本操作、滑动条、鼠标操作

方法二：也可直接调用createTrackbar() 函数，直接就运行函数，进而反复调用createTrackbar()的第五个参数——自定义函数中进行操作也可。cv2.BORDER_DEFAULT 边界元素的镜像，填充的边界与原图像边界（忽略第一个元素）对称，成镜像，gfedcb。cv2.BORDER_REFLECT 边界元素的镜像，填充的边界与原图像边界对称，成镜像，fedcba。cv2.split()：分离图像的BGR，cv2.merge()：根据BGR值重新融合出图像。

2024-01-16 18:28:36 1572 1

原创 python数字图像处理基础（一）——计算机中的图像

图像分辨率的意思就是一幅图像的长和宽有多少个像素点，例如一幅分辨率为1366*768的图像，便是图像的长为1366个像素点，宽为768个像素点，一般情况而言，分辨率越高的图像越清晰，反之越模糊。当num<0时，np.argsort()[num]就是把数组y的元素反向输出，例如np.argsort()[-1]即输出x中最大值对应的index，np.argsort()[-2]即输出x中第二大值对应的index，依此类推。包括图像增强，图像回复，图像压缩，图像分割等内容。

2024-01-16 18:13:39 1085 1

原创数据库系统——最全题库搜集

数据库系统考试题库整理。

2024-01-09 18:30:16 1372

原创【机器学习】基本模型简易代码整理

通过计算不同特征的信息增益，我们可以确定哪个特征是最佳的划分特征，以便在决策树的构建过程中进行节点分裂。特征选择过程的目标是在保持模型预测准确性的同时，尽可能减少模型的复杂性。在实际应用中，可以使用不同的性能指标、树的深度范围和交叉验证的折数进行调整，以获得最佳模型。在分类问题中，SVM 的目标是找到一个最优的超平面，以最大化两个不同类别的数据点（即支持向量）之间的间隔。然而，SVM 也有其局限性，如处理大规模数据集时可能面临计算效率问题，对于高度非线性和复杂的问题，选择合适的核函数和参数也是一项挑战。

2024-01-08 12:27:18 1178 1

原创【机器学习】西瓜书要点个人整理

对于给定的模型和参数 (θ)，似然函数 (L(θ|X)) 表示观测到数据集 (X) 的概率。对于独立同分布的假设，似然函数通常是各个数据点概率的乘积。

2024-01-08 12:03:31 1563 1

原创模糊数学及应用——（二）

在模糊数学领域中，模糊综合评价是一种基于模糊集合理论的评价方法，它用于处理那些因素或变量不完全明确或不确定的情况。模糊综合评价旨在将各种评价因素或指标结合起来，为复杂的决策问题提供一个模糊的、综合的评价结果。通过模糊综合评价，可以有效地处理各种不确定性和模糊性，为决策者提供一个相对综合和客观的评价结果。：利用模糊集合理论中的运算（如模糊交、模糊并、模糊补等）对各个评价因素或指标的模糊值进行组合和处理，得到一个综合的模糊评价结果。：首先，明确需要评价的各个指标或因素，并为每个指标或因素建立相应的模糊集。

2024-01-08 11:49:14 736 1

原创计算智能——人工免疫算法

免疫算法（Immune Algorithm，IA）是基于免疫学理论和生物免疫系统机制而提出的计算智能算法，是对生物免疫机理的一种模拟。免疫机理种类繁多，利用生物免疫系统的某一方面机制或原理就可以设计新算法。1.分析待求问题，搜集特征信息：相邻两城市间距离越短，总路径可能会最短2.根据特征信息制作疫苗： Ai ——> Aj3.对亲和度低的抗体接种疫苗疫苗不是一个成熟或完整的抗体，它是抗体中一些优秀的基因疫苗与记忆细胞的区别：记忆细胞是亲和度高的抗体疫苗是一些基因，可以用来。

2023-12-25 18:26:22 1820 1

原创计算智能——粒子群算法学习

粒子群优化算法是什么？它由谁提出的？PSO模拟了自然界鸟群觅食的过程。通过群体的协作寻找到问题的全局最优解。它是1995年由美国学者Eberhart和Kennedy提出的，现在已经广泛应用于各种工程领域的优化问题之中。

2023-12-25 17:17:09 521 1

原创计算智能——蚁群算法学习

对蚁群算法来说，初始状态时各个路径存在完全相同的信息素，算法采用的反馈方式是较优的路径上留下更多的信息素，而更多的信息素又吸引了更多的蚂蚁选择这条路径，这个正反馈的过程使得这个路径上的信息素不断增多，引导整个系统向最优解的方向进化。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。提高了算法的效率，使得算法具有较强的全局搜索能力。是一种动态的信息，反映了蚂蚁在解决问题过程中的经验积累和向其他蚂蚁学习的能力，该参数是在线更新的。

2023-12-25 16:17:44 1808

SavEMyselF1的博客