机器视觉
机器视觉、OpenCV、CNN
测试老宅男扶摇
这个作者很懒,什么都没留下…
展开
-
OpenCV3学习总结
图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。图像处理和计算机视觉的区别在于:图像处理侧重于“处理”图像——如增强、还原、去噪、分割等;而计算机视觉重点在于使用计算机来模拟人的视觉。 OpenCV由一系列C函数和C++类构成,拥有包括500多个C函数的跨平台的中高层API。OpenCV还提供MLL机器学习库,该机器学习库主要用于统计方面的模式识别和聚类。OpenCV可用于解决如下领域的问题:人机交互、物体识别、图像分区、人脸识别、动作识别、运动跟踪、机器人。 OpenCV基转载 2020-07-10 15:59:36 · 282 阅读 · 0 评论 -
OpenCV3计算机视觉Python语言实现(五)
图像的几何变换主要包括:平移、扩大与缩小、旋转、仿射、透视等等。图像变换是建立在矩阵运算基础上的,通过矩阵运算可以很快的找到对应关系。1. 图像的平移 图像的平移,沿着x方向tx距离,y方向ty距离,需要构造移动矩阵M。通过numpy来产生这个矩阵,并将其赋值给仿射函数cv2.warpAffine().仿射函数cv2.warpAffine()接受三个参数,需要变换的原始图像,移动矩阵M 以及变换的图像大小(这个大小如果不和原始图像大小相同,那么函数会自动通过插值来调整像素间的关系)。.转载 2020-07-10 14:38:35 · 176 阅读 · 0 评论 -
OpenCV3计算机视觉Python语言实现(四)
1. Canny边缘检测 OpenCV提供了Canny函数来识别边缘。Canny边缘检测算法有5个步骤:使用高斯滤波器对图像进行去噪、计算梯度、在边缘上使用非最大抑制(NMS)、在检测到的边缘上使用双阈值去除假阳性(false positive),最后还会分析所有的边缘及其之间的连接,以保留真正的边缘并消除不明显的边缘。import cv2import numpy as npimg = cv2.imread("flower.jpg")cv2.imwrite("canny.jpg",转载 2020-07-10 14:37:03 · 351 阅读 · 0 评论 -
OpenCV3计算机视觉Python语言实现(三)
一、使用OpenCV处理图像1.不同颜色空间的转换 OpenCV中有数百种关于在不同色彩空间之间转换的方法。当前,在计算机视觉中有三种常用的色彩空间:灰度、BGR以及HSV(Hue, Saturation, Value) 灰度色彩空间是通过去除彩色信息来将其转换为灰阶,灰度色彩空间对中间处理特别有效,比如人脸检测。 BGR,即蓝-绿-红色彩空间,每一个像素点都由一个三元数组来表示,分别代表蓝、绿、红三种颜色。 HSV,H(Hue)是色度,S(Saturation)是饱和度,V(v转载 2020-07-10 14:33:46 · 486 阅读 · 0 评论 -
OpenCV3计算机视觉Python语言实现(二)
1. 图像与原始字节之间的转换 从概念上讲,一个字节能表示0到255的整数。目前,对于多有的实时图像应用而言,虽然有其他的表示形式,但一个像素通常由每个通道的一个字节表示。 一个OpenCV图像是.array类型的二维或三维数组。8位的灰度图像是一个含有字节值的二维数组。一个24位的BGR图像是一个三维数组,它也包含了字节值。可使用表达式访问这些值,如image[0,0]或image[0,0,0]。第一个值代表像素的y坐标啊或行,0表示顶部;第二个值是像素的x坐标或列,0表示最左边;第三个值(如转载 2020-07-10 10:47:02 · 495 阅读 · 0 评论 -
OpenCV3计算机视觉Python语言实现(一)
图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。图像处理和计算机视觉的区别在于:图像处理侧重于“处理”图像——如增强、还原、去噪、分割等;而计算机视觉重点在于使用计算机来模拟人的视觉。 OpenCV由一系列C函数和C++类构成,拥有包括500多个C函数的跨平台的中高层API。OpenCV还提供MLL机器学习库,该机器学习库主要用于统计方面的模式识别和聚类。OpenCV可用于解决如下领域的问题:人机交互、物体识别、图像分区、人脸识别、动作识别、运动跟踪、机器人。 OpenCV基转载 2020-07-10 10:41:16 · 509 阅读 · 0 评论