- 博客(5)
- 收藏
- 关注
RSS订阅原创 图像处理之hough变换
Hough变换也是有一些麻烦，变换到参数空间容易实现，但是要变换到原来的图像空间就比较麻烦，主要是在如何确定直线的首尾。同样，对于参数空间，如何确定阈值也是一件麻烦的事情。于是我来寻找参数空间最大值的那一对参数，并且存储此时的最大值max。然后还是通过栈，来存储参数空间值大于65%max(可变)的参数，这样可以更多的确定空间中的直线。而对于如何确定直线的端点，我是这样处理的：遍历图像，如果|xco...
2019-10-27 17:34:47
443
1
原创 图像处理之Canny边缘检测C++实现
canny检测的思路也比较简单首先对整幅图像高斯平滑，然后求梯度的赋值以及相角然后进行非极大抑制；然后阈值分割，为了防止阈值不合适出现的信息缺失，对强边缘进行八邻域搜索是否有弱边缘，然后对弱边缘也进行邻域搜索，然后对图像进行二值化第一步高斯平滑对图像以行的形式平滑，然后进行转置，按同样的方向进行卷积，代码如下void gauss(Mat& image)//高斯滤波器{ in...
2019-10-26 01:00:14
1124
5
原创 图像处理之一维熵阈值分割
上篇是关于OTSU，与本文的一维熵阈值分割十分相似，只是这里用到了熵函数比较简不做详细讲述，代码如下#include <iostream>#include <opencv2/opencv.hpp>#include <Eigen/Dense>#include <math.h>#include <stack>#define _M...
2019-10-25 23:32:31
620
1
原创 图像处理之基于OPENCV的OTSU阈值分割
由于OTSU比较简单，就是一个遍历来寻找最大的阈值分割的灰度值点，故本例直接给出代码，不做细评，代码如下，具体的写在代码注释#include <iostream>#include <opencv2/opencv.hpp>#include <Eigen/Dense>#include <math.h>#include <stack>...
2019-10-25 23:21:22
1086
原创 基于强化学习QLearing的走迷宫
要学习强化学习，首先要学习马尔科夫决策过程（MDP），几乎所有的强化学习问题都可以建模为MDPMDP什么是MDP呢，马尔科夫特性表明了未来只取决于当前而与过去无关。马尔科夫链是一个概率模型，它依赖于当前状态来进行预测下一个状态，而与之前的状态没有什么关系，也就是未来与过去无关，马尔科夫链严格遵循马尔科夫特性。比如说，如果已知当前是多云天气，那么可以预测下一个状态可能是下雨。由此得出结论：下一...
2019-10-17 23:22:26
986
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人