- 博客(40)
- 收藏
- 关注
RSS订阅原创 照相机标定
像素坐标系不利于坐标变换，因此需要建立图像坐标系，其坐标轴的单位通常为毫米（mm），原点是相机光轴与相面的交点（称为主点），即图像的中心点，轴、轴分别与轴、轴平行。相机坐标系（camera coordinate），也是一个三维直角坐标系，原点位于镜头光心处，x、y轴分别与相面的两边平行，z轴为镜头光轴，与像平面垂直。2）、对图像中的特征点如标定板角点进行检测，得到标定板角点的像素坐标值，根据已知的棋盘格大小和世界坐标系原点，计算得到标定板角点的物理坐标值；3.2 代码(Python+OpenCV)
2023-05-25 16:30:00
1808
原创 计算机视觉----图像拼接
（4）透视变化完后就可以直接拼接图片了，将图片通过numpy直接加到透视变化完成的图像的左边，覆盖掉重合的部分，得到拼接图片，但是这样拼接得图片中间会有一条很明显的缝隙，可以通过加权平均法，界线的两侧各取一定的比例来融合缝隙，速度快，但不自然。在这里用的是加权平均法，可以把第一张图叠在左边，但是对第一张图和它的重叠区做一些加权处理，重叠部分，离左边图近的，左边图的权重就高一些，离右边近的，右边旋转图的权重就高一些，然后两者相加，使得过渡是平滑地，这样看上去效果好一些，速度就比较慢。但是经过试验也没有解决。
2023-05-04 19:00:12
3054
2
原创 Multi-Band Blending
同时，该算法还能够处理多图像融合的情况，将多个图像合成为一个无缝的融合结果。它读取两张图片，将它们调整为相同的大小，为两张图片生成高斯金字塔和拉普拉斯金字塔，将两张图片的拉普拉斯金字塔进行拼接，最后重建图像并显示结果。多频带融合算法基于频域的图像处理技术，它将图像分解为不同的频带，然后对每个频带进行融合操作，最后将融合后的频带合成为最终的输出图像。2. 融合权重计算：对于每个频带，根据需要进行融合的区域，计算相应的权重图像。4. 重建图像：将融合后的每个频带进行重建，将它们合并为最终的输出图像。
2023-05-04 16:54:44
1191
原创 局部图像描述子------匹配地理标记图像
可以从谷歌提供的照片共享服务Panoramio获得地理标记图像。像许多网络资源一样，Panoramio提供一个API接口，方便用户使用程序访问这些内容。
2023-04-13 18:19:45
237
原创 局部图像描述子------SIFT（尺度不变特征变换）
SIFT特征包括兴趣点检测器和描述子。SIFT描述子具有非常强的稳健性，这在很大程度上也是SIFT特征能够成功和流行的主要原因。SIFT特征对于尺度、旋转和亮度都具有不变性，因此，它可以用于三维视角和噪声的可靠匹配。
2023-04-13 17:57:11
193
原创 局部图像描述子------Harris角点检测器
角点就是极值点，即在某方面属性特别突出的点，是在某些属性上强度最大或者最小的孤立点，线段的终点。而对于图像而言，即是图像的角点，其是物体轮廓线的连接点。因此在角点时，窗口任意方向的移动都导致图像灰度的明显变化。
2023-04-13 17:00:43
615
原创 tensorboard
(使用工具的话，往往是长时间的摸索才会首席，现在只是了解大概，后面用到了才会更加熟悉，并且应用起来。tensorboard:是tensorflow中强大的 可视化工具。支持：标量，图像，文本，音频，视频等多种数据可视化。##这里表示的是可视化的数据类型有哪些。
2023-03-31 16:17:53
51
原创 配置conda虚拟环境
直接在pycahrm里新建工程，在里面去选择相应的路径就好。并不要先在conda 里创建一个什么虚拟环境。conda create -n 环境的名字 python=版本。
2023-03-30 17:17:47
80
原创 pycharm实现远程连接服务器的过程
然后：点击Mappings：你可以直接点击ok.这代表讲你用户下的所用东西都映射到与自己的电脑。这里再提醒一下：上面我提到的路径选择那里。你的这条完整的路径写到哪里，连接成功后那个路径下的所有东西都会呈现这样的绿色；你可以改代码，传文件，并且服务器上的文件也会相应变化。看到ssh configuration:点击后面的 ... 这里。一般来讲我选择的路径是：/home/你在服务器上的用户名。当然，你也可以再次路径下进一步往下选择路径。就是要求你输入你要连接的服务器的地址。你在服务器上的用户名。
2023-03-30 17:10:19
313
原创 图像处理----图像模糊（高斯模糊）
和一个高斯核进行卷积操作：高斯模糊通常是其他图像处理操作的一部分，比如图像插值操作，兴趣点计算，以及很多其他应用。scipy有用来做滤波处理的。图像的高斯模糊时非常经典的图像卷积例子。本质上，图像模糊就是将（灰度）图像。该模块使用快速一维分离的方式来计算卷积。越大，图像就越模糊。
2023-02-24 20:56:15
1708
原创 图像处理----图像轮廓和直方图
我们知道：图像的直方图用来表征该图像像素的分布情况。用一定数目的兄啊去见（bin）来指定表征像素值的范围，每个小区间会得到落入该兄啊去见表示范围的像素数目。该（灰度）图像可以用hist()函数绘制。hist()函数的第二个参数指定小区间的数目。需要注意的是，因为hist()函数只接受以为数组作为输入，所以我们在绘制图像直方图前，必须先对图像进行压平处理。绘制图像的轮廓（或者其他二维函数的等轮廓线）在工作中是非常重要的。因为绘制轮廓需要对每个坐标[x,y]的像素值施加同一个阈值，所以需要将图像灰度化。
2023-02-24 19:01:00
115
原创 python中尽量用enumerate取代range
还可以直接指定enumerate函数开始计数时所用的值（本例从1开始计数），这样能把代码写的更短。enumerate可以把各种迭代器包装成生成器，一边稍后产生输出值。
2023-01-15 20:40:18
161
原创 python 中的itertools
在Python中，迭代器（Iterator）是常用来做惰性序列的对象，只有当迭代到某个值的时候，才会进行计算得出这个值。因此，迭代器可以用来存储无限大的序列，这样我们就不用把他一次性放在内存中，而只在需要的时候进行计算。所以，对于读取大文件或者无线集合，最好是使用迭代器。Python的内置模块itertools就是用来操作迭代器的一个模块，包含的函数都是能够创建迭代器来用于for循环或者next()。其中函数主要可以分为三类，分别是无限迭代器，有限迭代器，组合迭代器。
2023-01-15 15:34:58
211
原创 python中 operator模块
对应的高效率函数 . 许多函数名与特殊方法名相同，只是没有双下划线。为了向后兼容性，也保留了许多包含双下划线的函数。函数包含的种类有：对象的比较运算、逻辑运算、数学运算以及序列运算。模块提供了一套与Python的内置。
2023-01-15 15:29:49
192
原创 什么是哈希？
(字符串str、元组tuple、对象集objects)。它是一个将大体量数据转化为很小数据的过程，甚至可以仅仅是一个数字，以便我们可以用在固定的时间复杂度下查询它，所以，哈希对高效的算法和数据结构很重要。简要的说可哈希的数据类型，即。
2023-01-15 14:03:02
63
原创 Python collections模块之deque()详解
(47条消息) Python collections模块之deque()详解_chl183的博客-CSDN博客_deque()
2023-01-14 20:38:07
99
原创 python json模块
JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式。JSON的数据格式其实就是python里面的字典格式，里面可以包含方括号括起来的数组，也就是python里面的列表。Json 模块提供了四个方法： dumps、dump、loads、load。在python中，有专门处理json格式的模块—— json 和 picle模块。pickle 模块也提供了四个功能：dumps、dump、loads、load。
2023-01-14 20:36:36
83
原创 torch.set_printoptions(）的解释?
首先torch.set_pointoptions(）如下：torch.set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, profile=None)precision是每一个元素的输出精度，默认是八位；threshold是输出时的阈值，当tensor中元素的个数大于该值时，进行缩略输出，默认时1000；edgeitems是输出的维度，默认是3；linewidth字面意思，每一行输出的长度；
2022-12-05 16:55:38
284
原创 Jupyternotebook快捷键
Jupyter Notebook 有两种模式，一种是命令行模式(Command Mode, 蓝色单元格)，一种是编辑模式(Edit Mode, 绿色单元格)
2022-12-03 11:30:39
662
原创 accuracy(准确率), precision（精密度）, recall（召回率）, specificity（特异性）, and F1-score（F1分数）：分别是什么意思？
准确度、精确率、召回率、F1值作为评估指标，经常用到分类效果的评测上。
2022-11-29 00:34:07
2904
1
原创 ROC曲线是什么?
受试者工作特征曲线 （receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果而已。ROC曲线主要是用于X对Y的预测准确率情况。最初ROC曲线是运用在军事上，现在更多应用在医学领域，判断某种因素对于某种疾病的诊断是否有诊断价值。
2022-11-29 00:26:18
594
原创 迁移学习是什么？
可以理解为某个时刻的某个特定领域，比如书本评论和电视剧评论可以看作是两个不同的domain。从相关领域中迁移标注数据或者知识结构、完成或改进目标领域或任务的学习效果。将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中。就是要做的事情，比如情感分析和实体识别就是两个不同的task。迁移学习里有两个非常重要的概念。
2022-11-27 15:34:57
332
原创 Matplotlib中%matplotlib inline是什么？
注意：既然是IPython的内置magic函数，那么在Pycharm中是不会支持的。但是我们可以在matplotlib中的pyplot身上下功夫，pyplot不会不提供展示图像的功能。
2022-11-27 15:33:13
87
原创 Matplotlib中%matplotlib inline是什么、如何使用？
Python绘图问题：Matplotlib中%matplotlib inline是什么、如何使用？答：Python绘图问题：Matplotlib中%matplotlib inline是什么、如何使用？_LthID的博客-CSDN博客_def plotbarcharts(inpdata, colstoplot): %matplotli%matplotlib inline是什么意思__洋_的博客-CSDN博客_%matplotlib inline什么意思注意：既然是IPython的内置magic
2022-11-27 09:33:16
1284
原创 蚁群优化（ACO）与遗传算法（GA）的比较？
蚁群优化比遗传算法（GA）更快地到达全局最小点，因为它避免了陷入局部最小值。通过模拟蚂蚁的智能行为，ACO试图找到各种优化问题的最优解。由于其实现简单、参数数量少、灵活性等优点，它在世界范围内引起了极大的兴趣。蚁群优化具有简单性、灵活性、鲁棒性、可扩展性和自组织性。与遗传算法（GA）相比，它具有很少的控制参数。不同任务的执行可以由个体同时完成。ACO的好处很多，许多利益相关者从这种护理模式中获得优势。患者群体获得了许多优势，包括改善了结果、更好的护理质量、与提供者的更多接触，以及总体上降低了自付费用。
2022-11-26 16:25:37
3062
原创 遗传算法（GA）
基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。遗传算法（Genetic Algorithm，GA）最早是由美国的 John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。运算,将问题的求解过程转换成类似生物进化中的。该算法通过数学的方式,利用。，是一种通过模拟自然进化过程搜索。
2022-11-26 16:22:56
214
原创 蚁群优化算法（ACO）
是一种用来寻找优化路径的概率型算法。这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。将蚁群算法应用于解决优化问题的基本思路为：用蚂蚁的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间。路径较短的蚂蚁释放的信息素量较多，随着时间的推进，较短的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多。最终，整个蚂蚁会在正反馈的作用下集中到最佳的路径上，此时对应的便是待优化问题的最优解。
2022-11-26 16:20:45
295
原创 四大机器学习开源框架：Theano、Caffe、Torch 和 SciKit-learn
四大机器学习开源框架：Theano、Caffe、Torch 和 SciKit-learn你最喜欢哪款？ - 腾讯云开发者社区-腾讯云
2022-11-26 15:05:51
465
原创 ITK和caffe是什么？
ITK是开源并且跨平台的，使用CMake管理配置过程，它使用C++语言开发，代码中使用泛型编程，非常高效，可以使用Tcl，Python以及Java进行封装。1：Caffe的全称应该是Convolutional Architecture for Fast Feature Embedding，它是一个清晰、高效的深度学习框架，它是开源的，核心语言是C++，它支持命令行、Python和Matlab接口，它既可以在CPU上运行也可以在GPU上运行。它的license是BSD 2-Clause。
2022-11-26 15:00:54
586
原创 CPU,GPU,TPU,DPU
一文带你了解CPU,GPU,TPU,DPU,NPU,BPU - 知乎 (zhihu.com)(31条消息) CPU, GPU, TPU, NPU, DPU介绍_瞻邈的博客-CSDN博客CPU,GPU,DPU,TPU,NPU,BPU等处理器的性能及概念 - html中文网
2022-11-21 16:58:41
284
原创 TCIA (The Cancer Imaging Archive)--医学影像数据集
TCIA (The Cancer Imaging Archive)：是一个包含常见肿瘤（肺癌、前列腺癌等）医学图像及相应临床信息（治疗方案细节、基因、病理等）的大规模公用数据库，其影像模态包括MRI、CT等，图像格式均为DICOM，并且网站内数据在持续增加。它是癌症研究的医学图像的开放获取数据库。大多数数据包括以DICOM格式存储的CT，MRI和核医学（例如PET）图像，但也提供或链接许多其他类型的支持数据，以增强研究效用。-----------------（这个医学影像数据集列表已经找好了，放在u盘里）
2022-11-21 16:55:01
6292
原创 什么是体素？
题图中是3D数据的不同表示类型:（a）点云（Point clouds）；(b) 体素网格(Voxel grids)；(c) 多边形网格(Polygon meshes)；(d) 多视图表示(Multi-view representations)其中：a. 点云是三维空间(xyz坐标)点的集合。b. 体素是3D空间的像素。量化的，大小固定的点云。每个单元都是固定大小和离散坐标。c. mesh是面片的集合。d. 多视图表示是从不同模拟视点渲染的2D图像集合。
2022-11-18 20:23:14
678
2
原创 brats数据集以及其他的医学影像数据集
脑肿瘤分割（BraTS）挑战集中于评估在多参数磁共振成像（mpMRI）扫描中分割脑肿瘤的最新方法。自成立以来，它的主要作用有两个方面：a）公开可用的数据集和b）公共基准。BraTS利用多机构术前mpMRI扫描，##说明：这个BraTS胶质瘤数据集它分年份，每一年份的数据集会有所不同，因为数据集会随着比赛的更新而更新，应该是从2012年开始的。最新的应该是2021年的。此外，为了明确该分割任务的临床相关性，BraTS 2018还通过对影像特征和机器学习（ML）算法的综合分析，重点预测患者的总体生存率。
2022-11-18 19:35:42
2170
1
原创 深度学习----对抗学习
首先：要认识对抗训练，首先要了解 “对抗样本”，在论文 Intriguing properties of neural networks 之中有关于对抗样本的阐述。简单来说，它是指对于人类来说 “看起来” 几乎一样，但对于模型来说预测结果却完全不一样的样本，比如下面的经典例子（一只熊猫加了点扰动就被识别成了长臂猿）。生成网络生成假数据------------------以假乱真；判别网络判别真假数据---------------找出假数据；就是两个网络互相竞争对抗，一个生成网络，一个判别网络；
2022-11-18 16:05:07
651
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