nillei-CSDN博客

原创在Mac下安装GDAL-Python

GDAL(Geospatial Data Abstraction Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理。OGR是GDAL项目的一个分支，功能与GDAL类似，只不过它提供对矢量数据的支持。有很多著名的GIS类产品都使用了GDAL/OGR库，包括ESRI的ARCGIS 9.3，Go

2017-04-24 11:06:13 6137 6

原创利用ICESat角点数据通过最小二乘精化DEM

# -*- coding:utf-8 -*-import numpy as npfrom scipy.optimize import leastsqimport xlrddata = xlrd.open_workbook('icesat.xls')table = data.sheets()[0]nrows = table.nrowsncols = table.ncolsusedat

2017-04-19 20:22:53 919

原创基于OpenCV的Sift特征匹配（在drawMatchesKnn函数无法调用的情况下）

本实验基于opencv内置sift算子来对相似图像进行特征匹配。而在图像匹配显示中，由于莫名原因 “drawMatchesKnn” 函数无法直接调用。于是后面的图像显示部分是根据自己理解实现的。而在这个过程中也对匹配器中的匹配器对象（DMatch）多了一些了解。DMatch对象具有下列属性：DMatch.distance 描述符之间的距离；DMatch.queryIdx 主影像的描述符索引；D

2017-03-22 00:07:15 5446

原创一个艰难的过程：在Mac上安装python-opencv

捣鼓了一上午才把Opencv在Mac上安装，并成功在Pycharm中运行。我才不会告诉你我之前就是嫌opencv麻烦，才只用PIL的呢。。。言归正传，该文章内容参考大量文章才安装成功。http://www.pyimagesearch.com/2015/06/15/install-opencv-3-0-and-python-2-7-on-osx/http://blog.csdn.net/

2017-03-16 13:28:34 18548 4

原创基于python的NCC互相关匹配

上一篇文章中利用Harris角点算子提取了图像中的角点。这一篇文章将利用NCC（归一化互相关匹配算法）对两张不同角度的图像的角点进行匹配。本文代码是基于《python计算机视觉》改写的。首先介绍NCC匹配方法。该方法原理较为简单，如下图所示，即计算主图像中每个角点周围窗口与辅图像中每个角点周围窗口的互相关指数。# -*- coding:utf-8 -*-import numpyfr

2017-03-15 16:51:52 4205 2

原创基于python超简洁的顺时针打印矩阵

# -*- coding:utf-8 -*-class Solution: # matrix类型为二维列表，需要返回列表 def printMatrix(self, matrix): # write code here res=[] n=len(matrix) m=len(matrix[0]) if

2017-03-09 16:39:16 3497

原创 Python基于scipy和PIL的Harris角点检测

角点检测的原理是基于局部的小窗口完成的，如果该窗口各个方向上移动，窗口内灰度都发生很大变化，即认为发现角点。如果仅在一个方向上变化，其他方向不变，即认为发现边界。在实现过程中，主要分为四个步骤：（1）计算影像在X与Y方向的梯度，一般采用高斯导数求解；（2）计算影像在两个方向的乘机，并进行高斯加权；（3）计算每个像素点Harris响应值。并设定阈值。（4）进行非最大值抑制。本算法，只进行了前三部，作

2017-03-06 13:00:20 1715

原创 Python基于Numpy和PIL库的PCA人脸识别

主要应用主成分分析方法降低训练样本的维度，再利用计算欧式距离的方法判定，与训练样本中最接近的人脸。代码如下。#-*- coding:utf-8 -*-from numpy import *from scipy.linalg import *from pylab import *import testeig1import osfrom PIL import Imagepath='.

2017-03-04 00:33:29 3167

原创基于Python和Numpy的主成分分析

主成分分析（Principal Component Analysis）是一种对特征进行降维的方法。在机器学习以及影像分类中广泛使用，能够极大提高无监督特征学习的速度。由于观测指标间存在相关性，将导致信息的重叠与低效。为此，我们更倾向于用更少量的、尽可能多的能反映源特征的新特征来代替原始观测指标。这就是主成分分析，其可以看作是高维空间通过旋转坐标系，找到最佳投影的过程。换言之，即将n维特征映射到k维

2017-03-01 13:51:37 5298

原创 python 基于numpy和PIL的图像局部熵计算方法

参考matlab中图像局部熵的计算方法，改写为python。代码如下。

2017-02-22 22:56:10 3250 1

原创 Matlab geoidheight 函数解析

N = geoidheight(latitude, longitude, 'Custom', datafile, action)geoidheight(latitude,longitude) calculates the geoid height using the EGM96 Geopotential Model. For this model, it calculates thes

2017-02-22 16:57:40 2917 2

原创 Matlab entropyfilt函数解析

J = entropyfilt(I,NHOOD)该函数用来计算灰度影像的局部熵。其中NHOOD为邻域，默认邻域为9*9。邻域设置越大，计算时间越久。图像熵表示为图像灰度级集合的比特平均数，单位比特/像素，也描述了图像信源的平均信息量。: H(p)=-∑i,jp(i.j)lnp(i,j), 其中p(i,j)=x(i,j)∑i,jx(i,j),x(i,j)为图像的像元

2017-02-17 13:33:51 6508 1

nillei的博客