- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 opencv教程（基于python）----模板匹配
模板匹配日是在一幅大图中寻找莫版图位置的方法，是不是觉得很有用啊。和2d卷积一样，它是模板图下大图上滑动，并在每一个位置对模板图象和其对应的输入图象的子区域进行比较。 这里主要介绍两个函数，cv2.matchTemplate，cv2.minMaxLoc。matchTemplate函数是关于图象匹配的，返回的结果是一个灰度图象，每一个像素值显示了此区域与模板的匹配程度，越亮说明相似程度越大。min...
2018-02-08 10:13:10
605
原创 opencv教程（基于python）----图象傅里叶变换
首先说的是关于图象的傅里叶变化，这个数学概念只有部分工科的专业才学，大家可以自己上网看一下。 傅里叶变化通常用来分析不同滤波器的频率特征，我们使用离散傅里叶变换来分析图形的频域特征。实现DFT的一个快速算法被称为快速傅里叶变换（FFT）。 对于之歌正选信号（那种最普通的，scdn弄不出来公式，大家脑补吧。）她频率为f，如果把这个信号转到它的频域表示，我们会在频率f中看到一个峰值。如果我们的信号
2018-02-07 15:46:08
6157
1
原创 opencv教程（基于python）----直方图反射投影
这一节了解的直方图的反射投影。这个是由两个大牛提出来的（然而我并不了解他们）。它可以用来干什么呢？图象分割或者在图象中搜索我们感兴趣的部分。简单来说说，它会输出与输入图象同样大小的图像，其中的每个像素值代表了输入图象上对应点属于目标的概率。更简单来说输出图像的像素值越高的点就越可能代表我们要搜索的目标。这个算法通常和camshift算法一起使用。 通常的使用情况是，我们有一张小的图片，我们要在
2018-02-06 10:33:28
1802
原创 opencv教程（基于python）----直方图（二）
一维直方图（续）本小节了解一下直方图均化的概念，以及如何用它改善图片的对比。 一幅高质量的图片像素值得分布应该很广泛，对于质量较差的图来说它的大部分像素通常集中在一定的范围里。所以我们要做的就是把它的直方图横向拉伸依稀，来改善图象的对比度。 下面是opencv中直方图拒还函数cv2.equalizeHist() cv2.equalizeHist(src, dst=None)输
2018-02-05 10:22:55
454
原创 opencv教程（基于python）----直方图
通过直方图你可以对政府图象的灰度分布有一个整体的了解。直方图其实也是对图象的另一种解释，我们可以对图象的对比度，亮度和灰度分布有一个直观的认识。 那么我们可以从opencv和numpy的函数得到图象的灰度直方图。先说opencv的函数cv2.calcHist()。 cv2.calcHist(images, channels, mask, histSize, ranges, hist=No
2018-02-04 10:09:20
386
原创 pytorch中文文档----pytorch概述。
关于pytorch我就不多说了，它也是著名的深度学习框架。网上的风评也是倾向于pytorch的（相比于tensorflow），初学的haul编译器还是推荐pycharm或者jupyter。 首先来了解一下pytorch的基本单位Tensor。from __future__ import print_functionimport torchx = torch.Tensor(5, 3)
2018-02-03 11:41:30
973
原创 opencv教程（基于python）----图象轮廓（三）
接下来了解更多关于轮廓的函数。轮廓的更多函数前面我们学习了轮廓的凸包，对象上的人设凹陷都被称为凸缺陷。opencv里的convexityDefects()函数可以找到凸缺陷。 cv2.convexityDefects(contour, convexhull, convexityDefects=None)第一个参数是轮廓，第二个参数是凸包上对应轮廓的点。函数会返回一个数组，
2018-02-03 10:15:01
826
原创 opencv教程（基于python）----图象轮廓（二）
这一节继续上面的内容。轮廓特征轮廓近似轮廓近似是用更少的点组成轮廓的方法，特别是在已知轮廓不规则的情况下，用他来近似。新轮廓的点数由我们设定的精确度来确定。具体使用的是Douglas—Peucker算法。这里的效果是cv2.areLength()函数和cv2.approxPolyDP()函数。 cv2.approxPolyDP(curve, epsilon, close
2018-02-02 11:45:41
1141
原创 opencv教程（基于python）----图象轮廓（一）
轮廓可以简单的看做连续的点（包括边界）连成的曲线，他们具有相同的颜色或者灰度。主要应用在形状分析和物体的检测与识别。处识轮廓一般来说为了更加准确，要使用二值化图象，在寻找轮廓之前，进行阈值化处理或者Canny边缘检测；查找轮廓的函数会更改原始图象，如果后期还想使用原始图像的话最好找另一个变量储存；一般物体是白色而背景是黑色。 这里哟两个函数cv2.findContours()和cv2.d
2018-02-01 10:51:52
441
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人