DataWhale学习记录
文章平均质量分 91
MarToony|名角
心若没有栖息的地方,到哪儿都是流浪
展开
-
HOG特征描述子的解释【DataWhale学习记录】
参考文献:第十八节、基于传统图像处理的目标检测与识别(HOG+SVM附代码)HOG特征图像特征工程:HOG特征描述子介绍HOG特征推荐的一个pdf学习文件是:HOG特征描述算子-行人检测1 HOG特征描述子的简介Histogram of Oriented Gridients(HOG) 方向梯度直方图。 HOG特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,是与SIFT、SURF、ORB属于同一类型的描述符。HOG不是基于颜色值而是基于梯度来计算直方图的,它通过计算和统计图像局原创 2020-07-02 11:52:48 · 604 阅读 · 0 评论 -
Haar特征计算过程【DataWhale学习记录】
0 前言本文重点在于对4 haar特征值的一般性计算过程、5 Haar的分类过程 进行了详细的介绍,也是比较有意思的部分。但是由于本人水平有限,关于“利用并查集 合并 检测结果窗口”并没有得到介绍。1 人脸检测的方法分类目前人脸检测的方法主要有两大类:基于知识和基于统计。基于知识的方法:主要利用先验知识将人脸看作器官特征的组合,根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。主要包括模板匹配、人脸特征、形状与边缘、纹理特性、颜色特征等方法。基于统计的方法:将人脸看作一原创 2020-07-01 11:21:35 · 2973 阅读 · 1 评论 -
LBP特征提取算子光照不变性和旋转不变性的具体解释与detectMultiScale参数说明【DataWhale学习记录】
参考文章:计算机视觉基础下opencv detectMultiScale()参数调节OpenCV框架与图像插值算法LBP曾广泛应用于人脸检测以及人脸识别应用中,但在深度学习和卷积神经网络迅猛发展的今天,以LBP为特征的检测以及识别算法并不具有竞争力,但是作为学习案例还是很有借鉴意义的。它的实现方法总体来说并不难。本文是对计算机视觉基础下的部分知识点的扩展。1 灰度不变性和旋转不变性的实现方式LBP局部二值模式(Local Binary Pattern),是一种用来描述图像局部特征的算子,原创 2020-06-28 11:37:18 · 6591 阅读 · 2 评论 -
Brook_icv《SIFT特征详解》难点的辅助阅读内容
在我学习SIFT时,遇到了我认为整理得最好的一篇文章Brook_icv《SIFT特征详解》。作者文字严谨,阅读略带美感,让人舒服,以致于我改变以前的写作方式,尝试一种新的方式,即以大牛的文章作为学习的主体内容,而对于文章中不懂的内容将梳理后尝试呈现在本文中,以辅助理解。学友阅读本文,需要先阅读Brook_icv《SIFT特征详解》一文,这篇文章足够优秀,仔细阅读,学友会有大收获。另,辅助阅读的另一篇文章是SIFT算法详解,集大成之者。因为我本文大多是个人理解与总结,所以有兴趣的学友,不妨阅读试试。.原创 2020-06-25 23:40:47 · 287 阅读 · 0 评论 -
Harris角点检测数学计算过程与CornerHarris方法参数的一点说明【DataWhale学习记录】
1 基础知识1.1 图像梯度的解释图像的梯度与数学中的梯度在形式上是由差异的,原因在于图像的特点,图像是一个离散的二维函数,接下来会尝试说明这一点,但从意义上来说是相同的,是为了表现图像灰度的变化率。在数学微积分中,一维函数的一阶微分的基本定义是:二维函数的一阶微分的基本定义是:对于灰度图这样二维数组的图像,它其实就是一个离散的二位函数,说它离散,是因为每个灰度值取值为整数而不是小数,因此ϵ不能无限小,而ϵ的最小单位即是1像素。因此当ϵ取最小值1时,灰度图(离散的二维函数)的一阶微分基本定义原创 2020-06-24 12:38:40 · 3915 阅读 · 2 评论 -
文档扫描OCR识别项目|含代码【DataWhale项目|OpenCV】
参考课程:Opencv计算机视觉实战(Python版).基本材料准备一张含有字体的文档的图片即可。思路介绍1 从图片中剪切并变换为规整的矩形的文字图片经常要对一个分辨率大的图像进行resize操作,理由是,为了能够在实验过程中能够在屏幕大小范围内看到整个图像的变化。比如实验的图像像素为2448×3264。而电脑屏幕是1920×1080。除此之外,resize操作一旦启用,且最后展示如果需要后期得到的某种用途的坐标集合(比如轮廓Contours)与原图的结合,就需要配合计算出ratio,并在原创 2020-06-22 23:39:44 · 1629 阅读 · 0 评论 -
信用卡数字识别OpenCV实现(含代码)【DataWhale项目】
参考课程:Opencv计算机视觉实战(Python版)基本材料准备一张仅含数字的图像作为模板。一张银行卡的图像作为检测样本。代码编写或者阅读的习惯常打断点勤展示数组的shape等,以及数组的图像。思路介绍模板图像的处理模板图像是一张背景色为255的白色且字体为黑色0 但是仍旧是三层通道的BGR彩色图像由于图像识别等科学操作,使用彩色图没有一个比较好的效果,而二维的灰度图效果却很不错,因此在读入三维的彩色图像之后,需要转化为灰度图。因为做轮廓检测之间需要二值图像,原创 2020-06-22 16:26:18 · 2249 阅读 · 1 评论 -
彩色空间HSV|RGB|灰度图的理解与OpenCV中的转换【DataWhale琐碎知识点】
参考文献:基于OpenCV的彩色空间互转 和 图像处理之灰色图转化为RGB图像.1 色彩空间1.1 GRAY色彩空间GARY色彩空间(灰度图像)通常指8位灰度图,具有256个灰度级,像素值的范围是[0,255]。不同数值表示不同程度的灰色。像素值越低,灰色越深。0表示纯黑色,255表示纯白色。GARY色彩空间为单通道,所以通常用二维数组表示一幅灰度图像。其中二值图像:只有0和255两种像素值的灰度图像。1.2 RGB色彩空间于神经生理学角度出发,即视网膜的三种不同的颜色感受器。能够感受三转载 2020-06-21 09:29:56 · 5025 阅读 · 2 评论 -
Harris特征点检测器-兴趣点检测|Task01【Datawhale|计算机视觉基础】
1 简介特征点又被称为兴趣点或者角点,是图像的重要特征。点特征,主要指图像中的明显点,比如我们肉眼看到的突出的角点、边缘端点、极值点等。用于特征点提取的算子称为“兴趣点提取检测算子”,常用的算子有:Harris角点检测、FAST特征检测、SIFT特征检测和SURF特征检测。2 基础内容角点的概念角点的概念的理解是在于边缘特征和无明显特征的比较中产生的。概括总结:角点(特征点)是当窗口向各方向移动,都会引起像素值发生很大变化的一个位置点;边缘特征是仅当窗口单方向上来回移动,才会引起像素原创 2020-06-20 21:56:02 · 500 阅读 · 0 评论