opencv
图像处理
Tralia~
这个作者很懒,什么都没留下…
展开
-
计算机视觉基础-图像处理(下)- Task04 学习笔记
HOG特征简介 HOG特征是一种图像局部特征,其基本思路是对图像局部的梯度幅值和方向进行投票统计,形成基于梯度特性的直方图,然后将局部特征拼接起来作为总特征。局部特征在这里指的是将图像划分为多个子块(Block), 每个Block内的特征进行联合以形成最终的特征。 HOG+SVM的工作流程如下: 首先对输入的图片进行预处理,然后计算像素点的梯度特性,包括梯度幅值和梯度方向。然后投票统计形成梯度直方图,然后对blocks进行normalize,最后收集到HOG feature(其实是一行多维的vector)原创 2020-07-06 19:58:58 · 855 阅读 · 0 评论 -
计算机视觉基础-图像处理(下)- Task03 学习笔记
Haar分类器训练的五大步骤: 1、准备人脸、非人脸样本集; 2、计算特征值和积分图; 3、筛选出T个优秀的特征值(即最优弱分类器); 4、把这个T个最优弱分类器传给AdaBoost进行训练。 5、级联,也就是强分类器的强强联手。 Haar分类器人脸检测实战 import cv2 import numpy as np haar_front_face_xml = './data/haarcascade_frontalface_default.xml' haar_eye_xml = './data/haarc原创 2020-07-02 20:12:05 · 126 阅读 · 0 评论 -
计算机视觉基础-图像处理(下)- Task02 学习笔记
LBP特征描述算子-人脸检测 简介:LBP指局部二值模式(Local Binary Pattern),是一种用来描述图像局部特征的算子,具有灰度不变性和旋转不变性等显著优点。LBP常应用于人脸识别和目标检测中,在OpenCV中有使用LBP特征进行人脸识别的接口,也有用LBP特征训练目标检测分类器的方法,OpenCV实现了LBP特征的计算,但没有提供一个单独的计算LBP特征的接口。也就是说OpenCV中使用了LBP算法,但是没有提供函数接口。 LBP解释:原始的LBP算子定义在像素33的邻域内,以邻域中心像素原创 2020-06-28 20:57:21 · 1195 阅读 · 0 评论 -
计算机视觉基础-图像处理(下)- Task01 学习笔记
Harris⻆点检测算法思想 算法的核心是利用局部窗口在图像上进行移动,如果窗口内的灰度值有较大变化,那么这个窗口所在区域就存在角点。 Harris⻆点检测算法三步 1.当窗口同时向水平和垂直两个方向移动时,计算窗口内部的像素值变化量E(x,y); 2.计算每个窗口对应的角点响应函数R; 3.对该函数R进行阈值处理,如果其大于阈值,则表示该窗口对应一个角点特征。 对梯度图矩阵M对角化的理解 有人觉得R与R^(-1)写反了,其实这样是可以的,只是R不再是由特征向量构成的矩阵,R的逆才是。 ...原创 2020-06-24 18:15:20 · 127 阅读 · 0 评论