笔记
财神向日葵
菜鸟菜鸟菜鸟
展开
-
PYQT5界面设计
pyqt5界面设计学习设备:pycharm+python3.6+pyqt51,进入qt designer在pycharm的终端输入后回车:pyqt5designer2,新建一个Widget窗口窗口尺寸可以自己任意选择,也可以默认,选择完之后会自动弹出窗口;3,窗口控件选择界面左侧是我们需要使用的控件;本次我们先练习一个简单的登录界面设计所以选择以下控件:(控件直接用鼠标左键点中拖拽到窗口里面即可)Label、pushbutton、textline点击修改文字:一个简易的原创 2020-08-21 11:10:47 · 6413 阅读 · 1 评论 -
霍夫变换圆检测和直线检测
1 圆检测import cv2import numpy as npimage=cv2.imread("D:/desktop/workspace/picture/02.jpg")planets = imagegray_img = cv2.cvtColor(planets, cv2.COLOR_BGR2GRAY)# medianBlur 平滑(模糊)处理img = cv2.medianBlur(gray_img, 5)#cimg = cv2.cvtColor(img, cv2.COLOR_GRA原创 2020-07-22 10:03:59 · 233 阅读 · 0 评论 -
python图像处理学习
基于KNN算法的图像分类基于朴素贝叶斯算法的图像分类原创 2020-07-17 18:05:03 · 173 阅读 · 0 评论 -
opencv图像处理学习
opencv特效处理1 毛玻璃#coding:utf-8import cv2import numpy as np#读取原始图像src = cv2.imread('4.jpg')#新建目标图像dst = np.zeros_like(src)#获取图像行和列rows, cols = src.shape[:2]#定义偏移量和随机数offsets = 5random_num = 0#毛玻璃效果: 像素点邻域内随机像素点的颜色替代当前像素点的颜色for y in range(r原创 2020-07-17 17:22:57 · 278 阅读 · 0 评论 -
python图像处理
图像金字塔1 向下取样# -*- coding: utf-8 -*-import cv2 import numpy as np import matplotlib.pyplot as plt#读取原始图像img = cv2.imread('4.jpg')#图像向下取样r = cv2.pyrDown(img)#显示图像cv2.imshow('original', img)cv2.imshow('PyrDown', r)cv2.waitKey()cv2.destroyAll原创 2020-07-17 15:40:36 · 178 阅读 · 0 评论 -
python图像处理学习
图像分割1 K-Means聚类分割灰度图像# coding: utf-8import cv2import numpy as npimport matplotlib.pyplot as plt#读取原始图像灰度颜色img = cv2.imread('4.jpg', 0) print(img.shape)#获取图像高度、宽度rows, cols = img.shape[:]#图像二维像素转换为一维data = img.reshape((rows * cols, 1))data =原创 2020-07-17 14:45:57 · 255 阅读 · 0 评论 -
python图像学习
图像锐化和边缘检测算子1 roberts算子import cv2import numpy as np import matplotlib.pyplot as plt #读取图像img=cv2.imread('4.jpg')lenna_img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#灰度化处理图像grayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#Roberts算子kernelx=np.array([[-1,原创 2020-07-17 14:08:38 · 423 阅读 · 0 评论 -
python图像处理学习记录
1 图像腐蚀2 图像膨胀3 开运算先腐蚀后膨胀4 闭运算先膨胀后腐蚀5 梯度运算膨胀-腐蚀6 顶帽运算原始图像-开运算7 黑帽运算闭运算-原始图像原创 2020-07-16 17:04:31 · 100 阅读 · 0 评论 -
python图像处理学习
1 二进制阈值化import cv2 import numpy as np #读取图片src = cv2.imread('4.jpg')#灰度图像处理GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)#二进制阈值化处理r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY)print(r)#显示图像cv2.imshow("src", src)cv2.imshow(原创 2020-07-15 16:16:27 · 158 阅读 · 0 评论 -
python图像处理学习
Python图像处理python图像处理学习第三天打卡!!!一 图像缩放函数resize()格式:cv2.resize(src,(160,160))cv2.resize(src,None,fx=0.5,fy=0.5)代码训练;import cv2 import numpy as np #读取图片src = cv2.imread('4.jpg')#图像缩放result = cv2.resize(src, (200,100))print(result.shape)#显示原创 2020-07-15 15:47:50 · 108 阅读 · 0 评论 -
python图像处理
python图像处理唉,烦死我了,继续打卡;练练代码就得了;图像融合 加法运算 图像类型转换图像加法运算1 numpy库加法其运算方法是:目标图像 = 图像1 + 图像2,运算结果进行取模运算。当像素值<=255时,结果为“图像1+图像2”,例如:120+48=168当像素值>255时,结果为对255取模的结果,例如:(255+64)%255=642 opencv加法运算另一种方法是直接调用OpenCV库实现图像加法运算,方法如下:目标图像 = cv2.add(图像1, 图像原创 2020-07-15 15:26:08 · 607 阅读 · 0 评论 -
python图像处理学习
图像平滑之均值滤波、方框滤波、高斯滤波、中值滤波opencv图像处理学习打卡第三天,先打个卡!!!原文网址:https://blog.csdn.net/Eastmount/article/details/82216380原创 2020-07-14 17:48:25 · 2385 阅读 · 0 评论 -
python图像处理学习
获取图像属性 兴趣ROI区域及通道处理学习打卡第二天!!!今天的我依旧优秀!!!一 获取图像属性1 形状shape通过shape关键字获取图片形状,返回包含行数、列数、通道数的元组。其中灰度图片返回行数和列数,彩色图片返回行数列数和通道数;格式:img.shape代码训练:import cv2import numpy#读取图片img=cv2.imread("zhan.jpeg")#shape关键字print(img.shape)结果如下:(1000, 750, 3)代表该图原创 2020-07-14 17:11:18 · 272 阅读 · 0 评论 -
python图像处理学习
opencv和numpy学习opencv图像处理学习第二天打卡一 传统读取图像的方法1 灰度图像,返回灰度值import cv2#读取图片img=cv2.imread("1.jpg")#返回灰度点的灰度值p=img[18,18]print(p)#显示图像cv2.imshow("dome",img)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()2 RGB彩色图像,返回B,G,R值代码训练import cv2#读取图片img=cv原创 2020-07-14 14:31:10 · 231 阅读 · 0 评论 -
python图像处理学习
python图像处理学习第一天打卡图像基础知识图像都是由像素构成的,像素呢是图像的最小单位,形象的解释想象有一个点阵图,这个点阵图中有许多的小方格,每个小方格都有确切的位置和被分配的色彩,这个小方格就是像素,我们平时说的像素的大小就是小方格的数量,一张美女图片中小方格越多就是像素越高,图片也就越清晰,图片放大之后的模糊度就会降低。二值图像 灰度图像 彩色图像1 二值图像二值图像中的二值就是两个色彩数值像素255和0(255就代表白色,0代表黑色),我们所看到的二值图片就是一张黑白图。一般将一张原创 2020-07-13 17:59:27 · 452 阅读 · 0 评论 -
2020-05-07
lirs数据集的fisher线性分类用Jupyter完成Iris数据集的 Fisher(注意不是其他算法)线性分类,并学习数据可视化技术Python代码读取文件import pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltdf_Iris = pd.read_csv(r'iris.data.txt')运行...原创 2020-05-07 22:07:31 · 107 阅读 · 0 评论 -
2020-05-07
人工智能与机器学习第10周在理解Fisher线性分类的参考文件的代码基础上(matlab代码),改用python代码完成Fisher判别的推导。重点理解“群内离散度”(样本类内离散矩阵)、“群间离散度”(总类内离散矩阵)的概念和几何意义基本概念“群内离散度”要求的是距离越远越好;而"群间离散度”的距离越近越好由.上可知:“群内离散度”(样本类内离散矩阵)的计算公式为因为每一个样本有多维数据...原创 2020-05-07 21:55:48 · 845 阅读 · 0 评论