![](https://img-blog.csdnimg.cn/20190927151026427.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
图像处理
文章平均质量分 77
以实战经验为主,我将全方位介绍图像分类、目标识别检测、OCR等相关知识,并结合不同任务需求进行实战,和大家一同走近这看似简单却包罗万象的基础性技术,同时指导计算机视觉、深度学习领域的初学者快速、准确、全面地掌握图像分类、目标检测跟踪、人脸识别等图像方面深度学习、图像处理、机器学习的相关知识。
雨果同学的编程之路
热爱编程、热爱生活!各种DIY设计,有想法,有行动!感谢大家关注收藏,不定期分享好项目源码及教程。
下载后,有问题请及时私信沟通,欢迎提问,欢迎来撩!
展开
-
基于人工智能的中医图像分类系统设计与实现
本存储库包含一个针对中药的人工智能图像分类系统。该项目的目标是通过输入图像准确识别和分类各种中草药和成分。原创 2023-08-06 10:06:30 · 227 阅读 · 0 评论 -
JPEG编码过程详解
本文旨在对JPEG编码过程中的细节步骤进行说明,具体原理部分请参照Wikipedia。原创 2023-07-05 08:10:57 · 221 阅读 · 0 评论 -
【CV算法岗知识点之机器学习】LR和SVM的比较
而LR则考虑了全部的点(即依赖于数据分布),通过非线性映射,减少远离分类平面的点的权重,即对不平衡的数据要先做balance。LR和SVM的概念大家都有了解甚至很熟悉了,不过在面试中可能不止是简单地单独考察你对LR或SVM的理解,可能会让你对这两个算法进行比较分析,因此就有必要将两者放在一起比较一下。注:OvO和OvR先训练出多个二分类器,在测试时,新样本将同时提交给所有的分类器进行预测,投票产生 最终结果,将被预测的最多的类别作为最终的分类结果。原创 2023-06-15 18:34:23 · 1071 阅读 · 0 评论 -
信息隐藏技术--图像置乱
图像置乱是信息隐藏技术的一种,图像置乱后图像无法辨认,可以达到对图像信息的隐藏和保护作用。分类:空域置乱、频域置乱、空频域混合置乱图像置乱对信息起到了隐藏和保护的作用,既可以对信息进行加密传送,也可以作为图像处理的预处理。图像置乱变换是一种,与不知道密钥对已加密信息进行解密一样,倘若不知道图像置乱所采用的算法,同样难以恢复原始图像的信息。原创 2023-02-27 23:56:30 · 447 阅读 · 0 评论 -
版权保护 MATLAB实现
bitset。原创 2023-02-26 21:33:04 · 248 阅读 · 1 评论 -
Matlab图像处理学习笔记
生成方式1:x = [值]生成方式2:x = 初识值 : [步长] : 终值x = 初识值 : 终值 (默认步长是1)生成方式3:x = linspace(初值,终值,个数n)x = linspace(初值,终值)生成方式4:x = logspace(初值,终值,个数)生成[10^初值10^终值]之间的数,个数省略时,默认50个。原创 2023-02-26 21:32:29 · 291 阅读 · 0 评论 -
【深度学习】权值为什么不能初始化为0
权值为什么不能初始化为0逻辑回归相比神经网络的区别:其就是一个单层的神经网络,不过激活函数是sigmoid函数逻辑回归的结构图如下:输入为x1、x2,权值为w11、w21,输出为a1前向传播/交叉熵损失公式为:激活函数f(x)=sigmoid(x)无激活函数的输出z1=w11x1+w21x2+b输出a1=f(z1)损失L=−ylog(a1)−(1−y)log(1−a1)\begin{aligned}激活函数f(x)&=sigmoid(x) \\无激活函数的输出z_1&=w_{11}x_1+w_{21原创 2023-02-05 20:27:42 · 339 阅读 · 0 评论 -
基于matlab开发的车牌检测与字符分割项目附源码
车牌定位:输入车辆图片后,输出mask图以及定位到的车牌图片;字符分割:根据获得的车牌图片进行字符分割,输出分割后单个字符;字符识别:在给定模板下对分割出的字符进行识别。车牌定位和字符分割基本任务的结果较好,在输入中加入了车牌底色的先验知识,提高了定位和分割的准确性;算法使用同一套参数基本可以完成车牌定位和分割,算法的一致性较好;但是由于对分割出的字符进行细化处理,因此字符识别效果较差,下一步将从此方向出发进行优化。原创 2023-01-14 17:41:43 · 300 阅读 · 0 评论 -
基于matlab实现的水果识别系统设计
本项目针对多种常见水果混合的图像,利用 Matlab 软件,对水果的识别进行研究。根据水果和背景的差别选取阈值,对去噪增强对比度后的图像进行二值化处理。再对图像进行边缘检测,选定连通区域,标记后再对不同种水果的颜色,形状,大小等特征进行快速识别水果,从而实现对水果的正确分拣。:水果识别、MATLAB、数字图像处理。原创 2023-01-13 20:43:00 · 3987 阅读 · 2 评论 -
【机器学习】PCA算法原理
(1) 对原始样本进行中心化处理,即零均值化 (2) 求出样本的协方差矩阵Σ=1n∑i=1nxixiTΣ=n1∑i=1nxixiT (3) 求解协方差矩阵的特征值和特征向量 (4) 将特征值由大到小排列,取出前 k 个特征值对应的特征向量 (5) 将 n 维样本映射到 k 维,实现降维处理。xi′=[ω1Txiω2Txi⋮ωkTxi]新的xi′的第k。原创 2022-12-28 20:36:11 · 151 阅读 · 0 评论 -
【机器学习】ID3_C4.5_CART算法总结与对比
ID3、C4.5、CART算法是三种不同的决策树算法,区别主要在最优划分属性的选择上,下面把之前在随机森林中汇总过的复制过来,然后再总结下三者的不同。下面是根据自己的理解整理的,不知道全不全,应该差不多了。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KuKMXKcd-1672230851003)(null)]原创 2022-12-28 20:36:06 · 722 阅读 · 0 评论 -
【机器学习】三种主要集成学习思想简介
(weakly learnable)”的概念,并且指出:在概率近似正确(probably approximately correct, PAC)学习的框架中,一个概念(一个类),如果存在一个多项式的学习算法能够学习它,并且正确率很高,那么就称这个概念是强可学习的,如果正确率不高,仅仅比随即猜测略好,那么就称这个概念是弱可学习的。于是,分类问题被一系列的弱分类器”分而治之”。具体地,加大分类误差率小的弱分类器的权值,使其在表决中起较大的作用,减小分类误差率大的弱分类器的权值,使其在表决中起较小的作用。原创 2022-12-20 18:17:04 · 490 阅读 · 0 评论 -
【图像处理】直方图均衡化
直方图均衡化(Histogram Equalization)是一种增强图像对比度(Image Contrast)的方法,其主要思想是将一副图像的直方图分布变成近似均匀分布,从而增强图像的对比度。直方图均衡化是将原图像通过某种变换,得到一幅灰度直方图为均匀分布的新图像的方法。直方图均衡化方法的基本思想是对在图像中像素个数多的灰度级进行展宽,而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。原创 2022-12-18 23:33:56 · 1273 阅读 · 0 评论 -
【图像处理】 canny边缘检测和混合高斯背景建模算法GMM
高斯混合模型(Gaussian Mixture Model)通常简称GMM,是一种业界广泛使用的聚类算法,该方法使用了高斯分布作为参数模型,并使用了**期望最大(Expectation Maximization,简称EM)**算法进行训练。混合高斯背景建模是基于像素样本统计信息的背景表示方法。对于视频图像中的每一个像素点,其值在序列图像中的变化可看作是不断产生像素值的随机过程,可以用高斯分布来模拟像素值的变化规律。由于混合高斯模型理论上可以拟合任何一种分布,所以用GMM建模效果较好。原创 2022-12-18 23:32:53 · 501 阅读 · 0 评论 -
【图像处理】数字图像处理笔记
具体实施:求出每个点的x和y方向的梯度Ix、Iy,由梯度计算出他们的自相关矩阵M,M的特征值lamda1、2则反映了其在x,y方向的离散程度,lamda越大则认为该方向像素方差越大,即梯度值越大,变化越剧烈,因此lamda1、2都很大,则认为是角点。取类间方差最大对应的k1,k2,如果有多组最大值,则取k的平均。https://blog.csdn.net/baidu_27643275/article/details/84826773【小波变换入门----haar小波,1/sqrt(2)】原创 2022-12-17 10:16:37 · 317 阅读 · 0 评论 -
【图像处理】一文弄明白图像配准(SIFT)
当然,它也是受专利保护的。ORB(定向的 FAST 和旋转的 BRIEF)是基于 FAST(Features from Accelerated Segment Test)关键点检测器和 BRIEF(Binary robust independent elementary features)描述子的组合的快速二值描述子,具有旋转不变性和对噪声的鲁棒性。简而言之,我们在两幅图像中选择兴趣点,将参考图像中的每个兴趣点和它在待配准图像中的对应点关联起来,然后对待批准图像进行变换,这样两幅图像就得以对齐。原创 2022-12-17 10:11:09 · 921 阅读 · 0 评论 -
【图像处理】图像拼接原理介绍
图像拼接(image mosaic)是将同一场景中的两张或多张重叠图像拼接成一张更大图像的技术,在机器视觉、医学成像等多个领域有着广泛的应用。常见的图像拼接算法流程如下:即提取输入图像中的特征,例如角点、边缘等信息。即将同一目标场景下的两张或多张图像在空间位置上对准。随机抽样一致性算法,用来剔除异常值(误匹配点)。即同一场景中两幅图像的空间映射关系。将其中一幅图像进行重投影(可由单应性矩阵实现),并将图像放置在更大的画布上(拼接在一起)。处理拼接边界处的灰度,使两张图像拼接后平滑过渡。原创 2022-12-15 22:25:11 · 2910 阅读 · 0 评论 -
【图像处理】Hough变换检测直线与圆的原理
当然还有相邻两条直线的拼接或者长度要超过某个阈值的直线才需要输出的问题,这些就要看怎么去实现了,不是我们这篇文章的要点,这些功能在 opencv 中都有实现,需要的可以去了解。我们可以取需要检测的图像上的 N 个点,为每个点假设 n 个方向的直线(空间中经过一个点的直线有无数条),通常 n = 180 ,分别计算这 n 条直线的。与上面检测直线的原理一样,要检测三个点是否在同一个圆上,首先计算过第一个点的所有圆表示为。的轨迹便如图中的一个圆锥,三个点的所有圆表示形成的圆锥的交点 A 所对应的那个。原创 2022-12-15 22:23:27 · 742 阅读 · 0 评论 -
【图像处理】开操作与闭操作原理解析
(可以分两步理解,开操作移除了明亮的小区域,当用原图减去开操作的结果之后,之前被移除的明亮区域就会凸显出来,因此看到的效果就是一些亮度较大的小区域)形态学中的膨胀、腐蚀、开操作和闭操作是图像处理中常见的问题之一,因为自己偶尔会记混“开操作和闭操作”的概念和应用,所以整理一下当作复习复习。当卷积核B(模板)扫描图像A与其进行卷积操作时,计算模板B覆盖的区域的最大值并将最大值赋给模板的参考点。形态学中最基本的操作是膨胀和腐蚀,它们能实现很多功能:例如消除噪声、分割出独立的图像元素以及在图像中连接相邻的元素等。原创 2022-12-14 22:23:22 · 1410 阅读 · 0 评论 -
【图像处理】常见的三种图像插值方法
上面是在数字图像处理中,遇到像素坐标为小数时的取值问题,最开始我们也提到了 FPN 的从上往下的旁路中的上采样也使用到了最近邻插值方法,这里的上采样是使得特征图的宽与高变成原来的 2 倍,那跟我们这里提到的小数坐标运算问题不太一样,它是直接先逐行复制,再逐列复制,具体的表现我们使。的主要应用是对图像进行放大以及旋转等操作,是从低分辨率的图像生成高分辨率图像的过程,用以恢复图像中丢失的信息,使得图像更清晰,细节信息更多,相邻像素之间的过渡更加有连续性。,则将左上角的像素的灰度值赋给待求像素,其他区域同理。原创 2022-12-14 22:20:22 · 1531 阅读 · 0 评论 -
【图像处理】边缘检测算子有哪些以及它们之间的对比
边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。图像边缘是图像最基本的特征,所谓边缘(Edge) 是指图像局部特性的不连续性。灰度或结构等信息的突变处称之为边缘。例如,灰度级的突变、颜色的突变,、纹理结构的突变等。边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。有许多方法用于边缘检测,它们的绝大部分可以划分为两类:基于查找一类和基于零穿越的一类。基于查找的方法。原创 2022-12-13 21:29:14 · 683 阅读 · 0 评论 -
【图像处理】FAST、BRIEF、ORB算法原理
FAST(features from accelerated segment test)是一种角点检测算法,可以用于提取特征点,后来也长用于目标跟踪等计算机视觉任务中。FAST角点检测算法最初由 Edward Rosten 和 Tom Drummond 提出,并于2006年正式发表。如名字所示,FAST算法最大的优势就是计算效率,相比于其他特征检测算法(例如SIFT、SUSAN、Harris和DOG等)更加快速。此外,通过应用机器学习方法,FAST可以在计算时间和资源等方面得到进一步的性能提升。原创 2022-12-13 21:17:39 · 946 阅读 · 0 评论 -
【图像处理】深入解析HOG算法
HOG(Histogram of Oriented Gradient,即方向梯度直方图)是应用在计算机视觉和图像处理领域,用于目标检测的特征描述子,由Navneet Dalal和Bill Triggs等人在2005年CVPR发表的论文上提出。HOG通过计算和统计图像局部区域的梯度方向直方图来构建特征,结合SVM等分类器常用于图像识别等领域,尤其在行人检测中具有非常不错的表现。原创 2022-12-12 22:08:43 · 876 阅读 · 0 评论 -
【图像处理】深入解析LBP算法
LBP(Local Binary Patterns,局部二值模式)是一种很简单但很高效的局部纹理特征描述算子,于1994年由T. Ojala, M. Pietikäinen和D. Harwood提出,经过后续的改进,LBP特征具有旋转不变性和灰度不变性,在机器视觉领域中得到了广泛的应用,如人脸识别、指纹识别、光学字符识别以及车牌识别等。原创 2022-12-12 22:05:25 · 3095 阅读 · 0 评论 -
【Pytorch学习笔记】可视化网络特征图featuremaps示例程序
我们在做深度学习项目时,有时需要可视化网络模型中某层的特征图。本章将介绍一个可以可视化网络特征图的示例程序,仅供学习参考!代码如下(示例):2.定义网络加载模型代码如下(示例):3.数据预处理4. 载入数据5.遍历模型中的layer及名字6.依据选择的层,进行记录feature maps二、完整程序如下总结以上就是今天要讲的内容,本文仅仅简单介绍了可视化网络特征图featuremaps示例程序,供大家参考学习!原创 2022-12-05 22:04:54 · 702 阅读 · 0 评论 -
【Pytorch学习笔记】可视化权重参数示例程序
代码如下(示例):2.定义网络代码如下(示例):3.定义权值初始化4.以feature map为单位,绘制一组卷积核,一张feature map对应的卷积核个数为输入通道数5.将一个卷积层的卷积核绘制在一起,每一行是一个feature map的卷积核二、完整程序代码总结以上就是今天要讲的内容,本文仅仅简单介绍了tensorboard使用demo程序,仅供大家学习参考!原创 2022-12-05 21:54:30 · 611 阅读 · 0 评论 -
【Pytorch学习笔记】pytorch加载网络模型示例
本文主要介绍记录如何使用pytorch加载一个网络模型到神经网络的例子,仅供参考学习使用。代码如下(示例):2.定义网络代码如下(示例):3.保存,并加载模型参数(仅保存模型参数)4.将net的参数全部置0,方便对比5.通过load_state_dict 加载参数二、完整代码总结以上就是今天要讲的内容,pytorch加载网络模型示例。原创 2022-12-04 22:20:50 · 227 阅读 · 0 评论 -
【Pytorch学习笔记】pytorch搭建一个简易网络并打印网络参数
使用pytorch搭建一个简单网络,并打印网络中的参数。代码如下(示例):2.创建网络代码如下(示例):3.获取网络当前参数代码如下(示例):二、完整程序总结以上就是今天要讲的内容,本文仅仅简单介绍了pytorch搭建一个简易网络并打印网络参数仅供参考学习!原创 2022-12-04 22:12:10 · 720 阅读 · 0 评论 -
随机挑选n张图片并按通道计算均值mean和标准差std
随机挑选CNum张图片,进行按通道计算均值mean和标准差std先将像素从0~255归一化至 0-1 再计算提示:以下是本篇文章正文内容,下面案例可供参考以上就是今天要讲的内容,本文仅仅简单介绍随机挑选n张图片并按通道计算均值mean和标准差std及源码,可直接使用,仅供学习参考!原创 2022-11-27 22:11:04 · 180 阅读 · 0 评论 -
【机器学习笔记】分类算法比较
本文将记录机器学习当中关于svm分类器、 K近邻分类器、决策树分类器对比,附源码及介绍。提示:以下是本篇文章正文内容,下面案例可供参考。原创 2022-11-23 21:45:14 · 354 阅读 · 0 评论 -
【机器学习笔记】SVM自定义内部核函数
本文将记录机器学习当中关于自定义内部核函数实现过程,附源码及介绍。(2 0)原创 2022-11-22 23:44:56 · 363 阅读 · 0 评论