机器视觉
lingtianyulong
这个作者很懒,什么都没留下…
展开
-
Hough变换(openCV的cvHoughLines2)
cvHoughLines2功能:利用Hough变换在二值图像中寻找直线。函数原型: CvSeq* cvHonghLines2(CvArr* image,void* line_storage,int mehtod,double rho,double theta,int threshold,double param1 =0,double param2 =0)转载 2014-06-04 09:55:18 · 712 阅读 · 0 评论 -
C# 中线程自动挂起的原因及解决方式
在项目程序中,因为C#的GC机制,会在回收内存时,将线程的资源一并回收,所以,会导致线程无故自动挂起的现象; 解决方法:在内存消耗较大的线程中,添加强制回收,以防止线程自动回收时将线程资源释放,从而导致线程无故被挂起的现象;原创 2018-01-22 15:36:43 · 6796 阅读 · 0 评论 -
灰度共生矩阵及特征提取—OpenCV
因为OpenCV中自带的灰度共生矩阵的计算使用过程中,经常出现问题;之前在项目中使用了别人基于OpenCV重新编写cl_texture的灰度共生矩阵,但该代码只能在MFC环境下使用,且不能释放内存;现有的网上流行的基于OpenCV的灰度共生矩阵的计算,都是基于C++接口实现的;因为,本人使用的是OpenCV的C接口,所以,在结合前人的代码的基础上,实现了基于OpenCV的C接口的灰度共生矩阵的计算原创 2016-11-04 10:06:11 · 15638 阅读 · 6 评论 -
opencv轮廓提取与轮廓拟合
#include #include #include #include #include using namespace std;using namespace cv;int main(){ // Read input binary image Mat image= imread("./binaryGroup.bmp",0); if (!image.data) r转载 2015-09-03 19:59:48 · 9113 阅读 · 0 评论 -
基于OpenCV的小波变换
提供函数DWT()和IDWT(),前者完成任意层次的小波变换,后者完成任意层次的小波逆变换。输入图像要求必须是单通道浮点图像,对图像大小也有要求(1层变换:w,h必须是2的倍数;2层变换:w,h必须是4的倍数;3层变换:w,h必须是8的倍数......),变换后的结果直接保存在输入图像中。1、函数参数简单,图像指针pImage和变换层数nLayer。2、一个函数直接完成多层次二维小波变换,转载 2015-03-06 21:37:11 · 1845 阅读 · 0 评论 -
基于SVM+HOG的花生品种识别
早在大二时,导师做过一个花生品种识别的程序,但当时用于品种识别的特征是自定义特征;而我的当初的本科毕业设计则是基于SVM + HOG的人脸识别;在后来的工作学习中,又用到了HOG特征,想着是不是之前的花生品种的识别也能用Hog特征进行识别;正所谓学以致用,也能巩固下刚刚所学的知识;所谓的Hog特征与SVM网上资料一大堆,而且讲解得非常详细,在这里不在做过多的讲解;本程序的开发环境,原创 2015-01-19 21:30:13 · 2113 阅读 · 0 评论 -
OpenCV 中使用PCA
对于PCA,一直都是有个概念,没有实际使用过,今天终于实际使用了一把,发现PCA还是挺神奇的。在OPENCV中使用PCA非常简单,只要几条语句就可以了。1、初始化数据//每一行表示一个样本CvMat* pData = cvCreateMat( 总的样本数, 每个样本的维数, CV_32FC1 );CvMat* pMean = cvCrea转载 2014-12-30 23:03:39 · 2119 阅读 · 0 评论 -
基尼不纯度(Gini impurity)
决策树是一种简单的机器学习方法。决策树经过训练之后,看起来像是以树状形式排列的一系列if-then语句。一旦我们有了决策树,只要沿着树的路径一直向下,正确回答每一个问题,最终就会得到答案。沿着最终的叶节点向上回溯,就会得到一个有关最终分类结果的推理过程。决策树:1234567class de转载 2014-06-25 21:35:26 · 29501 阅读 · 0 评论 -
四大经典CNN网络技术原理
AlexNet VGGNet Google Inception Net ResNet这4种网络依照出现的先后顺序排列,深度和复杂度也依次递进。它们分别获得了ILSVRC(ImageNet Large Scale Visual Recognition Challenge)比赛分类项目的2012年冠军(top-5错误率16.4%,使用额外数据可达到15.3%,8层神经网络)、2014年亚军(top-5...转载 2018-04-19 15:39:19 · 526 阅读 · 0 评论