智障变智能

一.小孔成像基础知识:1.1透镜成像原理如图所示：其中 u 为物距， f 为焦距，v 为相距。三者满足关系式：相机的镜头是一组透镜，当平行于主光轴的光线穿过透镜时，会聚到一点上，这个点叫做焦点，焦点到透镜中心的距离叫做焦距 f。数码相机的镜头相当于一个凸透镜，感光元件就处在这个凸透镜的焦点附近，将焦距近似为凸透镜中心到感光元件的距离时就成为小孔成像模型。小孔成像模型如图所示。为了计算方便一般采用对称成像平面来进行计算．二．四个坐标转换2.1 背景世界坐标系，相...

一.一些api1.构建矩阵#include "iostream"#include <opencv2/opencv.hpp>#include "opencv2/dnn/dnn.hpp"#include "opencv2/imgcodecs/imgcodecs.hpp"#include <vector>using namespace std;cv::Mat scalar_demo1(){ cv::Mat M(4,4,CV_32FC2,cv::Scalar(

一．编译安装c++ opencv1.下载zip包本文安装的是opencv3.4.3,下载链接，以Sources方式下载zip包．2.安装依赖sudo apt-get install build-essentialsudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-devsudo apt-get install python-dev python

第一种做法：import osimport sysimport randomimport mathimport numpy as npimport skimage.ioimport matplotlibimport matplotlib.pyplot as pltimport cv2import colorsysos.environ['CUDA_VISIBLE_DEVI...

钢筋比赛中的数据扩充#coding:utf-8#数据集扩增import cv2import mathimport numpy as npimport xml.etree.ElementTree as ETimport osdef rotate_image(src, angle, scale=1): w = src.shape[1] h = src.shape...

https://blog.csdn.net/fanzonghao/article/details/82946058 RCNN模型中使用了SS(Selective Search)进行区域推荐,SS作为一种区域推荐算法作为检测框，它是一种基于图像层次纹理、大小、形状进行分割与合并的算法 。SS算法进行区域推荐ROI生成会执行如下步骤 对每个分割区域计算外接矩形框，作为区域推荐窗口 ...

一.仿射变换概念1.下图是一般形式，其中x,y代表原坐标，v,w代表变换后的坐标，T是变换矩阵其中几种常见的变换形式矩阵为：2.坐标系变换再看第二个问题，变换中心，对于缩放、平移可以以图像坐标原点（图像左上角为原点）为中心变换，这不用坐标系变换，直接按照一般形式计算即可。而对于旋转和偏移，一般是以图像中心为原点，那么这就涉及坐标系转换了。我们都知道，opencv的原点在图像左上角，水平向右为 X 轴，垂直向下为 Y 轴。课本中常见的坐标系是以图像中心为原点，水平向右为 X 轴，垂

opencv官网一.插值法1.最近邻插值上图可看出f(p)=f(Q11),缺点可能出现明显的块状。2.线性插值3.双线性插值通过线性插值确定R1和R2,最终在确定P二.cv2.putText 图片添加文字import cv2img = cv2.imread('caijian.jpg')font = cv2.FONT_HERSHEY_SIMPLEXimgzi = cv2.putText(img, '000', (50, 300), font, 1.

一,图像变换dpiimport numpy as npfrom PIL import Imageimport cv2def test_dp(): path='./gt_1.tif' # img=Image.open(path) # print(img.size) # print(img.info) img=cv2.imread(path) ...

一，高斯金字塔--图片经过高斯+下采样"""高斯金字塔"""def gauss_pyramid(): img = cv2.imread('./data/img4.png') lower_reso = cv2.pyrDown(img) lower_reso2 = cv2.pyrDown(lower_reso) plt.subplot(131), plt.i...

一般来说,图像的能量主要集中在其低频部分,噪声所在的频段主要在高频段,同时图像中的细节信息也主要集中在其高频部分,因此,如何去掉高频干扰同时又保持细节信息是关键。为了去除噪声,有必要对图像进行平滑,可以采用低通滤波的方法去除高频干扰。图像平滑包括空域法和频域法两大类。在空域法中,图像平滑的常用方法是采用均值滤波或中值滤波。对于均值滤波,它是用一个有奇数点的滑动窗口在图像上滑动,将窗口中心点对应的图...

一，颜色特征：简单点来说就是将一幅图上的各个像素点颜色统计出来，适用颜色空间：RGB，HSV等颜色空间，具体操作：量化颜色空间，每个单元（bin）由单元中心代表，统计落在量化单元上的像素数量量化颜色直方图（HSV空间）缺点：稀疏，量化问题聚类颜色直方图：适用颜色空间：Lab等颜色空间操作：使用聚类算法对所有像素点颜色向量进行聚类单元（bin）由聚类中心代表...

分类器链接，https://download.csdn.net/download/fanzonghao/10582586代码：import numpy as npimport cv2# 实例化人脸分类器face_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')...