- 博客(10)
- 收藏
- 关注
RSS订阅原创 计算机视觉OpenCV 5
轮廓• 学习找轮廓，绘制轮廓等• 函数： cv2.findContours()， cv2.drawContours()轮廓定义轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。• 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者 Canny 边界检测。• 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话，你应该将原始图像存储到其他变量中。• 在 OpenCV 中，查找轮廓就像在黑色
2020-08-07 19:46:40
292
原创 计算机视觉OpenCV 4
形态学转换• 学习不同的形态学操作，例如腐蚀，膨胀，开运算，闭运算等• 我们要学习的函数有：cv2.erode()， cv2.dilate()， cv2.morphologyEx()等形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它是用来决定操作的性质的。1 腐蚀就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然是白色）。卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是 1，那么中
2020-08-03 22:18:10
212
原创 计算机视觉OpenCV 3
图像处理1 颜色空间转换经常用到的也就两种： BGR-Gray 和 BGR-HSV。cv2.cvtColor(input_image， flag)，其中 flag就是转换类型。对于 BGRGray的转换，我们要使用的flag就是cv2.COLORBGR2GRAY。同样对于BGRGray 的转换，我们要使用的 flag 就是cv2.COLOR_BGR2GRAY。同样对于 BGRGray的转换，我们要使用的flag就是cv2.COLORBGR2GRAY。同样对于BGRHSV 的转换，我们用的 flag
2020-08-02 20:48:25
249
原创 计算机视觉OpenCV之核心操作1
核心操作修改并获取像素值import cv2img = cv2.imread('dog.jpg')px = img[100,100]img[100,100] = [255,255,255]print(img[100,100])
2020-08-01 22:40:59
115
原创 计算机视觉OpenCV之基础操作
基础操作1 读入图像cv2.imread()import cv2img = cv2.imread('my.jpg')2 显示图像cv2.imshow('图像名字‘， 图像)’cv2.waitKey(0)：键盘绑定函数，设置为0时，将无限期等待键盘键入cv2.destroyAllWindows()：删除建立的窗口cv2.namedWindow(‘name’, cv2.WINDOW_NORMAL)cv2.imshow('cat', img)cv2.waitKey(0)cv2.dest
2020-08-01 19:34:33
250
原创 面试刷题之剑指offer每日目标2
题目1用两个栈实现一个队列。队列的声明如下，请实现它的两个函数 appendTail 和 deleteHead ，分别完成在队列尾部插入整数和在队列头部删除整数的功能。(若队列中没有元素，deleteHead 操作返回 -1 )示例 1：输入：[“CQueue”,“appendTail”,“deleteHead”,“deleteHead”][[],[3],[],[]]输出：[null,null,3,-1]示例 2：输入：[“CQueue”,“deleteHead”,“appendTail”
2020-07-29 15:11:44
145
原创 面试刷题之剑指offer每日目标1
题目1找出数组中重复的数字。在一个长度为 n 的数组 nums 里的所有数字都在 0～n-1 的范围内。数组中某些数字是重复的，但不知道有几个数字重复了，也不知道每个数字重复了几次。请找出数组中任意一个重复的数字。示例 1：输入：[2, 3, 1, 0, 2, 5, 3]输出：2 或 3方法1：使用集合遍历数组，查看元素是都存在与集合中，若存在，返回改值，若不存在，将改值添加到集合中。代码：class Solution: def findRepeatNumber(self, nums:
2020-07-27 20:32:11
107
原创 计算机视觉之目标检测入门3
目标检测中的one-stage和two-stagetwo-stage：Fast-RCNN将检测问题划分为两个阶段：产生候选区+对候选区进行分类特点：错误率低，漏识别率低，但速度较慢，不能满足实时检测场景。one-stage：YOLO，SSD不需要产生候选区，直接产生物体的类别和位置坐标值特点：更快的检测速度SSD（single shot multibox detector）1. SSD结构SSD是2016年提出的one-stage目标检测算法，主网络结构为VGG16.VGG-16
2020-07-24 22:42:54
794
原创 计算机视觉之目标检测入门2
目标检测算法R-CNNfast R-CNNfaster R-CNN三个模型由Ross B. Girshick完成，毕业于加州大学伯克利分校。R-CNN（regions with CNN features）R-CNN由RGB与2014年提出的目标检测算法，将CNN用于目标检测的里程碑，借助于CNN特征提取和分类性能，通过RegionProposal（基于区域）方法实现目标检测。1. 基于区域的方法selective searchstep1:计算区域集中每个相邻区域的相似度S={s1, s2
2020-07-24 18:11:56
377
原创 计算机视觉之目标检测入门1
基础知识1. 1*1卷积增加非线性1*1卷积相当于全连接层的计算，并引入非线性激活函数，增加了模型的非线性，提高了网络模型表达更复杂特征的能力。特征降维通过卷积核的数量可以实现特征通道的缩放，可以有效减小模型参数和计算量。2. 空洞卷积空洞卷积又称扩张卷积，是在原有的卷积核基础引入扩张率（dilation rate），定义了卷积核处理数据之间的间距，增加了卷积核的感受野。空洞卷积的特点：在相同感受野下，空洞卷积可以得到更大的特征图，可以获得更加密集的数据。在相同感受野下，空洞卷积更加
2020-07-24 15:21:14
365
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人