SLAM学习记录

2020.11.06  2020.10.30

 

• 将 opencv 视频监控、背景建模和形态学操作的部分学习笔记整理在博客：
  https://blog.csdn.net/dujuancao11/article/details/109451242

• 意外收获 ：录制的视频无声音，想着把视频里的图片截取出来，经过三次改进达到了自己的目标（使用 opencv 实现）。具体实现过程以及相关相似图片比较方案记录在博客：

1. 《 视频到图片（每隔几帧保存一张图片） opencv 实现 》, https://blog.csdn.net/dujuancao11/article/details/109404108

2. 《scikit-image （ Scikit-image 是用于图像处理的 Python 包，使用原生的 NumPy 数组作为图像对象） 》, https://blog.csdn.net/dujuancao11/article/details/109428505

3. 《  比较两个图片的灰度直方图，并计算直方图重合度 》, https://blog.csdn.net/dujuancao11/article/details/109461602

4. 《 通过逐个比较像素值的方法比较两图片相似性 》, https://blog.csdn.net/dujuancao11/article/details/109462489

5. 《 利用 cv2.subtract(image1, image2) 函数判断两张图片是否相等 》, https://blog.csdn.net/dujuancao11/article/details/109462864

 

• 课程学习启示 ：

1. 《 高级图像处理 》 这门课是来讲图像处理最底层的东西，比如直方图均衡化是如何通过改变灰度值矩阵来实现直方图均衡化的。而这些功能 opencv 已经集成在一个一个函数里面了，我们在平时操作过程可以通过简单调用 OpenCV 的 API 来实现所需的效果（首选），也可以根据其背后原理自己编写代码实现。简而言之就是“知其所以并知其所以然！”

2. 对自己一个提醒：“深度学习”不能简简单单满足调用已有模型、微调参数来达到自己的目标，还是要踏踏实实学习背后的核心机制。

• 学术会议启示 ：

1. 知止而后有 定 ，定而后能 静 ，静而后能 安 ，安而后能 虑 ，虑而后能 得 。物有 本末 ，事有 始终 。知所 先后 ，则近 道 矣。
（ 之所以把“虑”放在“静”和“安”后面，其实是因为，一旦不经过“意志坚定”的训练，很容易被计划细节中相对难以完成的的细节给吓得气馁，最终放弃计划。 ）

2. 新一代人工智能强调记忆，而不是现在的计算。