LJF159-CSDN博客

原创通过命令行导入数据到MySQL

参考：https://www.runoob.com/mysql/mysql-database-import.html

2021-04-25 15:57:40 145

引言边缘是图像强度函数快速变化的地方。为了检测边缘，我们需要检测图像中的不连续性，可以使用导数来检测不连续性。上图的第一幅图表示一张数字图片，我们对水平红线处进行求导，便可得到上图三中的关系，可以看到在边缘处有着较大的跳变。但是，导数也会受到噪声的影响，因此建议在求导数之前先对图像进行平滑处理。然后我们可以使用遮罩使用卷积来检测边缘。Sobel算子x和y方向3×33 \times 33×3 的Sobel算子（也即卷积核）分别为：Gx=[−101−202−101]Gy=[121000−1−2−

2020-07-30 18:27:21 334

原创【CV】图像阈值化分割

引言图像阈值化分割是一种传统的、最常用的图像分割法，具有简单、计算量小、性能稳定的优点，成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级

2020-07-30 12:00:15 1439

原创【CV】图像滤波

引言图像的实质是一种二维信号，滤波是信号处理中的一个重要概念。在图像处理中，滤波是一种非常常见的技术，它们的原理非常简单，但是其思想却十分值得借鉴，滤波是很多图像算法的前置步骤或基础，掌握图像滤波对理解卷积神经网络也有一定帮助。滤波分类线性滤波：对邻域中的像素的计算为线性运算时，如利用窗口函数进行平滑加权求和的运算，或者某种卷积运算，都可以称为线性滤波。常见的线性滤波有：均值滤波、高斯滤波、盒子滤波、拉普拉斯滤波等等，通常线性滤波器之间只是模版系数不同。非线性滤波：非线性滤波利用原始图像跟模版

2020-07-28 23:26:55 215

原创【CV】彩色空间转换

引言很多算法都只对灰度图有效。另外，相比RGB，其他颜色空间(比如HSV、HSI)更具可分离性和可操作性。所以很多图像算法需要将图像从RGB转为其他颜色空间，所以图像彩色互转是十分重要和关键的。RGB与灰度图转换RGB（红绿蓝）是依据人眼识别的颜色定义出的空间，可表示大部分颜色。但在科学研究一般不采用RGB颜色空间，因为它的细节难以进行数字化的调整。它将色调，亮度，饱和度三个量放在一起表示，很难分开。它是最通用的面向硬件的彩色模型。该模型用于彩色监视器和一大类彩色视频摄像。RGB颜色空间基于颜色

2020-07-28 21:08:40 193

原创【CV】图像的几何变换-缩放、平移和旋转

简介在图像处理中，平移变换、旋转变换以及放缩变换是一些基础且常用的操作。这些几何变换并不改变图象的象素值，只是在图象平面上进行象素的重新排列。在一幅输入图象[u，v][u，v][u，v]中，灰度值仅在整数位置上有定义。然而，输出图象[x，y]的灰度值一般由处在非整数坐标上的（u，v）（u，v）（u，v）值来决定。这就需要插值算法来进行处理，常见的插值算法有最近邻插值、双线性插值和三次样条插值。最近邻插值算法原理最近邻插值，是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。

2020-07-26 10:51:16 1400

原创【CV】Sobel算子简介

Sobel算子

2020-07-04 23:29:27 5109

原创【CV】HOG特征描述算子-行人检测

理论部分HOG特征，即方向梯度直方图（Histogram of Oriented Gradients)，第一次发表于2005年CVPR的会议上，在行人检测上取得了极大的成功，在图像手工特征提取方面具有里程碑式的意义。HOG特征简介HOG特征是一种图像局部特征，其基本思路是对图像局部的梯度幅值和方向进行投票统计，形成基于梯度特性的直方图，然后将局部特征拼接起来作为总特征。局部特征在这里指的是将图像划分为多个子块（Block), 每个Block内的特征进行联合以形成最终的特征。HOG+SVM的工作流程如

2020-07-04 20:18:08 307

原创【CV】Haar特征描述算子-人脸检测

理论部分Haar-like特征Haar特征分为四类：边缘特征、线性特征、中心特征和对角线特征。这些特征组合成为特征模板，特征模板内有白色和黑色两种矩形，定义该模板的Haar特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。人脸识别中，脸部的一些特征能用矩形特征简单描述，比如眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色深，嘴巴比周围颜色深等。但矩形特征只对一些简单的图形结构，如边缘、线段，比较敏感。所以，只能描述特定走向（水平、垂直、对角）的结构。上图中，A、B、D这类特征

2020-07-02 23:20:09 3585

原创【CV】LBP特征描述算⼦-人脸检测

理论部分LBP（Local Binary Pattern）指的是局部二值模式，是一种用来描述图像局部特征的算则，具有灰度不变性和旋转不变性，常用于人脸识别和目标检测中。在OpenCV中有使用LBP算法，但没有提供函数的接口。原理介绍假设局部邻域中像素的个数为P（P>1），LBP特征用图像的局部邻域联合分布T来描述图像的纹理特征：T=t(gc,g0,......gp),p=0,......,P−1 T=t(g_c,g_0,......g_{p}), p=0,......,P-1 T=t(gc,

2020-06-28 21:31:40 430

原创【CV】Harris角点检测算法-点特征提取

@TOC目录【写在前面】第一次写博客，第一次用Markdown，第一次学CV，这篇写的还是比较艰难地，所以有问题欢迎批评指正！1. 理论部分1.1 角点用一个滑动的窗口在图像内移动，分别会出现以下三种情况（如图1所示）：平坦区域（左图）：当窗口向任意方向移动时，窗口内的像素值不会发生太大变化；边缘（中图）：当窗口沿着平行于边缘的方向移动时，窗口内的像素值不会发生太大变化；角点（右图）：不管窗口向着哪个方向移动，窗口内的像素值都会发生很大的改变。图1. 角点的识别图像梯度图像的梯度，指

2020-06-23 20:13:09 1615 1

LJF159的博客