- 博客(54)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 OpenCV_12 图像分割：全阈值分割+自适应阈值分割+Otsu 阈值（大津法）+分水岭算法+GraphCut+GrabCut
图像分割方法基于阈值的，基于边缘的，基于区域的，基于图论的等阈值分割全阈值分割：指将灰度值大于thresh(阈值)的像素设为一种颜色，小于或等于阈值的像素设为另外一种颜色自适应阈值分割：根据像素的邻域块的像素值分布来确定该像素位置上的阈值大津法：遍历不同的阈值，计算不同阈值下对应的背景和前景之间的类内方差，当类内方差取得极大值时，此时对应的阈值就是大津法分水岭算法。
2022-11-25 12:25:04
2532
1
转载 OpenCV_11 轮廓检测：图像的轮廓+绘制轮廓+轮廓近似+边界矩形+椭圆拟合+直线拟合
图像的轮廓轮廓是图像目标的外部特征，是具有相同的颜色或者灰度的连续点连成的曲线。查找轮廓：cv.findContours()注意：轮廓的检索方式，近似方式以及轮廓的层次;绘制轮廓：cv.drawContours()轮廓的特征面积：ContourArea()周长：ArcLength()轮廓近似：approxPolyDP() 逼近图像的多边形曲线凸包：ConvexHull()边界矩形：BoundingRect()和MinAreaRect()
2022-11-23 17:11:05
1888
转载 OpenCV_10 傅里叶变换：频域滤波+CV的应用
傅里叶变换是信号的分析方法，目的就是要简化问题，而不是将其变复杂，傅里叶选择了正弦波，而没有选择其他波形，是因为正弦波有任何其他波形不具有的特点：正弦波输入至任何线性系统中，不会产生新的频率成分，输出的仍是正弦波，改变的仅仅是幅值和相位。用单位幅值的不同频率的正弦波输入至某线性系统，记录其输出正弦波的幅值和频率的关系，就得到该系统的幅频特性，记录输出正弦波的相位和频率的关系，就得到该系统的相频特性。从该频谱图中可以清楚的看到，主要包括3，5，7，9次谐波，我们就可以对原信号进行描述。
2022-11-19 00:07:32
894
转载 OpenCV_09 模版匹配和霍夫变换：霍夫线检测+霍夫圆检测
模板匹配原理：在给定的图片中查找和模板最相似的区域API：利用cv.matchTemplate()进行模板匹配，然后使用cv.minMaxLoc()搜索最匹配的位置。霍夫线检测原理：将要检测的内容转换到霍夫空间中，利用累加器统计最优解，将检测结果表示处理注意：该方法输入是的二值化图像，在进行检测前要将图像进行二值化处理霍夫圆检测方法：霍夫梯度法版权声明：本文为CSDN博主「LiBiGo」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
2022-11-18 23:19:38
306
转载 OpenCV_08 边缘检测：Sobel检测算子+Laplacian算子+Canny边缘检测
边缘检测的原理基于搜索：利用一阶导数的最大值获取边界基于零穿越：利用二阶导数为0获取边界Sobel算子基于搜索的方法获取边界cv.sobel()Laplacian算子基于零穿越获取边界Canny算法流程：噪声去除：高斯滤波计算图像梯度：sobel算子，计算梯度大小和方向非极大值抑制：利用梯度方向像素来判断当前像素是否为边界点滞后阈值：设置两个阈值，确定最终的边界5 算子比较。
2022-11-18 15:58:20
228
转载 OpenCV_07 直方图：灰度直方图+直方图均衡化
直方图是图像中像素强度分布的图形表达方式。它统计了每一个强度值所具有的像素个数。不同的图像的直方图可能是相同的。掩膜创建蒙版，透过mask进行传递，可获取感兴趣区域的直方图直方图均衡化：增强图像对比度的一种方法cv.equalizeHist(): 输入是灰度图像，输出是直方图均衡图像自适应的直方图均衡将整幅图像分成很多小块，然后再对每一个小块分别进行直方图均衡化，最后进行拼接。
2022-11-17 16:21:25
451
原创 OpenCV_06 图像平滑：图像噪声+图像平滑+滤波
由于图像采集、处理、传输等过程不可避免的会受到噪声的污染，妨碍人们对图像理解及分析处理。常见的图像噪声有高斯噪声、椒盐噪声等。椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值，饱和的感应器导致像素值为最大值。椒盐噪声的概率密度函数为：高斯噪声是指噪声密度函数服从高斯分布的一类噪声。由
2022-11-16 20:26:32
1155
转载 OpenCV_05 形态学操作：连通性+腐蚀和膨胀+开闭运算+礼帽和黑帽
邻域4邻域，8邻域和D邻域邻接4邻接，8邻接，m邻接形态学操作腐蚀和膨胀：腐蚀：求局部最大值膨胀：求局部最小值开闭运算：开：先腐蚀后膨胀闭：先膨胀后腐蚀礼帽和黑帽：礼帽：原图像与开运算之差黑帽：闭运算与原图像之差转自：https://v9999.blog.csdn.net/article/details/121938906。
2022-11-16 10:09:46
211
转载 OpenCV_04 几何变换：图像缩放+图像平移+图像旋转+仿射变换+透射变换+图像金字塔
缩放是对图像的大小进行调整，即使图像放大或缩小。代码：结果：图像平移将图像按照指定方向和距离，移动到相应的位置。一种仿射变换。示例：结果：图像旋转是指图像按照某个位置转动一定角度的过程，旋转中图像仍保持这原始尺寸。图像旋转后图像的水平对称轴、垂直对称轴及中心坐标原点都可能会发生变换，因此需要对图像旋转中的坐标进行相应转换。那图像是怎么进行旋转的呢？如下图所示：假设图像逆时针旋转θ，则根据坐标转换可得旋转转换为:{x′=rcos(α−θ)y′=rsin(α−θ)\begin{cases
2022-11-14 20:33:07
588
转载 【youcans的OpenCV例程300篇】总目录
版权声明：转载本系列作品时必须标注以下版权内容：【[email protected], youcans的OpenCV 例程300篇, https://blog.csdn.net/youcans/category_11459626.html】
2022-11-14 16:48:18
153
转载 OpenCV_03 图像的算数操作：图像的加法+图像的混合
图像加法：将两幅图像加载一起cv.add()图像的混合：将两幅图像按照不同的比例进行混合注意：这里都要求两幅图像是相同大小的。转载自：https://v9999.blog.csdn.net/article/details/121931485。
2022-11-10 16:18:12
217
转载 Markdown设置字体大小、颜色、类型、加粗
原文链接：https://blog.csdn.net/weixin_45634365/article/details/115438164。size：规定文本的尺寸大小，取值范围为1~7 ，浏览器默认值是 3。注意，size=50也是可以显示的，但与7的字体大小一样。版权声明：本文为CSDN博主「弈-剑」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。注意，字体类型的设置只能在电脑上才能显示字体效果，在手机上无法显示字体类型。字体大小size=1。字体大小size=3。
2022-11-09 17:17:53
6324
转载 OpenCV_02 图像的基本操作：图像IO+绘制图形+像素点+属性+图像通道+色彩空间的改变
我们通过加载灰度图像，显示图像，如果按’s’并退出则保存图像，或者按ESC键直接退出而不保存。
2022-11-09 16:49:29
128
转载 OpenCV_01 简介+无版权安装+模块分析
OpenCV是一款由Intel公司俄罗斯团队发起并参与和维护的一个计算机视觉处理开源软件库，支持与计算机视觉和机器学习相关的众多算法，并且正在日益扩展。编程语言OpenCV基于C++实现，同时提供python, Ruby, Matlab等语言的接口。OpenCV-Python是OpenCV的Python API，结合了OpenCV C++ API和Python语言的最佳特性。跨平台可以在不同的系统平台上使用，包括Windows，Linux，OS X，Android和iOS。
2022-11-09 11:22:15
557
转载 OpenCV各版本差异与演化，从1.x到4.0
这些年来，计算机视觉领域的新技术新方法不断涌现，指令集、编程语言和并行化技术越发先进，OpenCV也在紧跟时代的脚步，不断吸收完善自身。本文仅对OpenCV的演化过程仅总结了部分要点，详细可参见 OpenCV 在 github上的ChangeLog。版权声明：本文为CSDN博主「LiBiGo」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
2022-11-08 00:43:02
1217
原创 基础数据类型转换
print("---------------字典转列表----------------------")dict = {'name': 'Zara', 'age': 7, 1: "one",1:1}print(list(dict)) #['name', 'age', 1]print(type(list(dict))) #<class 'list'>print(list(dict...
2018-10-26 22:49:20
227
转载 python变量存储python运算符
https://www.cnblogs.com/maikerniuniu/p/7469087.htmlhttp://www.cnblogs.com/maikerniuniu/p/7476089.html
2018-04-11 11:35:15
644
原创 机器学习--数据分析Pandas（二）--数据结构DataFrame
数据结构 DataFrameDataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。怎么理解DataFrame？DataFrame可以理解为一个类似Excel的数据结构的2D数组，它包含行索引(index)、列索引(columns)和值。相比普通...
2018-03-08 00:12:46
688
原创 数据分析Pandas（一）--数据结构Series
Pandaspandas=pannel data + data analysis官网：http://pandas.pydata.org/基本功能• 开发pandas时提出的需求• 具备按轴自动或显式数据对齐功能的数据结构• 集成时间序列功能• 既能处理时间序列数据也能处理非时间序列数据的数据结构• 数学运算和约简（比如对某个轴求和）可以根据不同的元数据（轴编号）执行...
2018-03-05 00:13:11
326
转载 机器学习--准备数据与Numpy(八)--距离矩阵计算
距离矩阵的计算距离矩阵参考资料在讲距离矩阵之前，先复习一下什么是 欧式距离 :在做分类时，常常需要估算两个样本间的相似性度量（SimilarityMeasurement），这时经常就用到两个样本间的“距离”(Distance)，采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。经常使用的度量方法是欧式距离，欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。(1)二...
2018-02-23 00:15:36
22497
4
转载 机器学习--准备数据与Numpy(七)--
数组重塑reshape重塑数组-1自动推导维度大小# -*- coding: utf-8 -*-import numpy as npprint("将一维数组转换为二维数组")arr = np.arange(8)print(arr.reshape((4, 2)))print(arr.reshape((4, 2)).reshape((2, 4))) # 支持链式操作printpri...
2018-02-14 16:52:13
423
转载 机器学习--准备数据与Numpy(六)--准备数据与Numpy之矩阵运算
线性代数常用的numpy.linalg函数类型说明diag以一维数组的形式返回方阵的对角线（或非对角线元素），获将一维数组转换为方阵（非对角线元素为0）。dot矩阵乘法trace计算对角线元素的和det计算矩阵行列式eig计算方阵的特征值和特征向量inv计算方阵的逆 类型说明pinv计算矩阵的Moore-Penrose伪逆qr计算QR分解svd计算奇异值分解solve解线性方程Ax = b，其中...
2018-02-04 22:58:13
445
转载 机器学习--准备数据与Numpy(五)--
数组文件的输入与输出将数组以二进制格式保存到磁盘存取文本文件numpy文件存取-npz,npyNumpy使用方法读取csv文件array_ex.txt0.580052,0.186730,1.040717,1.1344110.194163,-0.636917,-0.938659,0.124094-0.126410,0.268607,-0.695724,0.047428-1.484413,0.0041...
2018-02-04 19:05:14
336
转载 机器学习--准备数据与Numpy(四)--利用数组进行数据处理
去重以及其它集合运算去重以及其它集合运算类型说明unique(x)计算x中的唯一元素，并返回有序结果。intersect1d(x, y)计算x和y中的公共元素，并返回有序结果。求交集，1d表示1维数组。union1d(x, y)计算x和y的并集，并返回有序结果。求并集，1d表示1维数组。in1d(x, y)得到一个表述"x的元素是否包含于y"的布尔型数组。setdiff1d(x, y)集合的差，即...
2018-02-03 12:40:34
402
转载 机器学习--准备数据与Numpy(三)--数学和统计方法
数学和统计方法类型说明sum对数组中全部或某轴向的元素求和。零长度的数组的sum为0.mean算术平均数。零长度的数组的mean为NaN。std,var分别为标准差和方差，自由度可调（默认为n）。min,max最大值和最小值argmin分别为最大值和最小值的索引cumsum所有元素的累计和cumprod所有元素的累计积# -*- coding: utf-8 -*-import numpy as...
2018-01-29 00:56:36
217
转载 机器学习--准备数据与Numpy(二)
一、利用数组进行数据处理1.NumPy数组使你可以将许多种数据处理任务表述为简洁的数组表达式（否则需要编写循环）。用数组表达式代替循环的做法，通常被称为矢量化。2.矢量化数组运算要比等价的纯Python方式快上一两个数量级。matplotlib画图具体实例 # -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport numpy a...
2018-01-20 19:41:34
370
转载 机器学习--准备数据与Numpy(一)
Numpy,Scipy用户说明 https://docs.scipy.org/doc/参考：https://www.cnblogs.com/sirkevin/p/5763003.html一、布尔索引# -*- coding: utf-8 -*-import numpy as npimport numpy.random as np_randomprint('使用布尔数组作为索引')nam...
2018-01-17 21:15:16
348
原创 timeit---Python计时工具
在算法优化过程中，经常需要统计算法的执行效率，timeit模块可以很方便地统计函数执行时间。timeit模块主要是定义一个类和两个方法：一个类指的是Timer类，两个方法分别是timeit()和repeat()。def __init__(self, stmt="pass", setup="pass", timer=default_timer, global
2018-01-07 17:36:15
426
转载 Tensorflow安装AVX AVX2警告屏蔽
可以通过修改环境变量中日志打印等级，来消除烦人打印。参考链接中方法import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
2018-01-03 02:10:59
1720
转载 Win10安装TensorFlow
Win10下用Anaconda安装TensorFlow 可参考： Win10下用Anaconda安装TensorFlow
2018-01-03 00:42:35
694
转载 机器学习数学基础---牛顿法、拟牛顿条件、DFP算法、BFGS算法、L-BFGS算法
基本资料转自： 牛顿法、拟牛顿条件、DFP算法、BFGS算法、L-BFGS算法梯度下降法：牛顿法：拟牛顿法：基本思想是： 不用二阶偏导数而构造出可以近似Hession矩阵或Hession矩阵的逆的正定对称阵，在拟牛顿的条件下优化目标函数。DFP算法BFGS算法
2017-12-31 23:49:29
472
转载 机器学习---Python数学做图
一 对数log作图实例# !/usr/bin/env python# -*- coding: utf-8 -*-# Author: Justin Chanimport mathimport matplotlib.pyplot as pltimport numpy as npif __name__ == "__main__": x = np.arange(0.05, 3, 0.05)
2017-12-31 15:58:11
553
转载 机器学习数学基础--（三）线性代数之四个基本子空间
前提： 常用数学符号表 RnR^n ———————n维实空间 RmR^mn^n—————–m×n的实矩阵 T————————转置 det(A)—————–行列式 C(A)——————–列空间 N(A)——————–零空间 A−A^-1^1———————逆 diag(A)—————-将向量转化为对角矩阵 Tr———————–迹(trace)即主对角线的和 rank——————
2017-12-30 23:16:47
656
转载 机器学习数学基础--（一）
机器学习算法1.有监督学习1.1分类预测(离散值) 1.2回归分析(连续值) 数据集分为：训练集和测试集 训练集包含n个特征(feature)和标签(label) 测试集只有特征没有标签。 任务就是根据测试集预测标签。2.无监督学习2.1聚类 2.2关联规则 训练集只有特征没有标签。 测试集需要根据已有特征预测标签。3.强化学习3.1Q-learning 3.2时间差学习微积分1.
2017-12-17 16:07:54
796
转载 机器学习---支持向量机(SVM)算法应用（下）
利用SVM进行人脸识别实例：源码# !/usr/bin/env python# -*- coding: utf-8 -*-# Author: Justin Chan#在python2.x版本中要使用Python3.x的特性,可以使用__future__模块导入相应的接口，减少对当前低版本影响#from __future__ import print_function#计时，程序运行时间fro
2017-12-16 00:50:50
343
转载 机器学习---支持向量机(SVM)算法（下）
1. SVM算法特性：1.1 训练好的模型的算法复杂度是由支持向量的个数决定的，而不是由数据的维度决定的。所以SVM不太容易产生overfitting 1.2 SVM训练出来的模型完全依赖于支持向量(Support Vectors), 即使训练集里面所有非支持向量的点都被去除，重复训练过程，结果仍然会得到完全一样的模型。 1.3 一个SVM如果训练得出的支持向量个数比较小，SVM训练出的模型
2017-12-16 00:12:35
452
转载 机器学习---支持向量机(SVM)算法应用（上）
1.SVM线性可分sklearn简单实例结合上一节实例看 code：# !/usr/bin/env python# -*- coding: utf-8 -*-# Author: Justin Chanfrom sklearn import svm#三个分类点x = [[2,0],[1,1],[2,3]]#将三个点分成两类，前两个点类别为0，后一个点类别为1y = [0,0,1]clf
2017-12-14 00:03:16
1160
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人