- 博客(10)
- 收藏
- 关注
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
335
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
238
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
257
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
138
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
282
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
163
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
139
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
811
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
397
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
377
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