自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 计算机视觉 图像检索与识别

图像检索

2022-06-19 02:01:22 644 1

原创 计算机视觉 相机标定

一.相机标定原理:1.相机标定简介: 在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到,这个求解参数的过程就称之为相机标定(或摄像机标定)。目的:求出相机的内、外参数,以及畸变参数。作用: 1.是由于每个镜头的畸变程度各不相同,通过相机标定可以校正这种镜头畸变矫正畸变,生成矫正后的图像;2.是根据获得的图像重构三...

2022-05-24 22:50:44 928

原创 计算机视觉 图像映射和全景拼接

目录一.图像映射:1.图像映射基础:1.1. 基础流程 :1.2. 计算变换结构流程:2. 2D 图像变换原理:2.1. 图像滤波: 改变图像的像素点取值范围:2.2. 图像变换: 改变图像的坐标取值范围:2.3. 2D 图像变换类型:二.全景拼接:1.拼接原理:2.RANSAC算法:3.实验结果:3.1.实验数据:3.2.实验代码:3.3.实验结果:一.图像映射:1.图像映射基础:如何将两幅或多幅具有重叠区域...

2022-04-14 14:32:10 436 1

原创 计算机视觉二 局部图像描述子 SIFT算法

目录一.SIFT算法:1.基本介绍:SIFT算法可以解决的问题:2.相关概念:1.尺度空间理论:2.高斯模糊:3.高斯金字塔:4.关键点检测——DOG:5.关键点方向分配 :6.关键点描述:7.关键点匹配:二.STFL算法的实现:1.SIFT特征检测测试代码:2.SIFT特征检测运行结果:3.SIFT特征匹配测试代码:4.SIFT特征匹配运行结果:①第一组测试结果:​②第二组测试结果:③第三组测试结果: 5....

2022-03-30 22:26:16 2960

原创 基础图像处理 python+opencv

目录一.图像基础处理操作1.1.图像读取:1.2.灰度变化:1.3.图片显示:1.4.相关代码:二.图像直方图:2.1.直方图相关介绍:2.2.相关代码:2.3.运行结果:三.直方图均衡化:3.1.运行结果:3.2.相关代码:四. 高斯滤波:4.1.运行结果:​4.2.相关代码:一.图像基础处理操作本次实验使用的是Python语言的PIL(Python Image Library)库,PIL库支持图像储存、显示和处理...

2022-03-16 23:11:56 5677

原创 支持向量机

目录一.介绍:二.相关内容:1.最大间隔与分类:2. 对偶问题:3.核函数:4.软间隔与正则化:5:损失函数:三.测试数据集:1.数据集介绍:2.相关代码:2.1.读入数据集:2.2.SMO算法:2.3.训练和测试函数:3.运行结果:一.介绍:支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linea..

2021-12-28 00:18:21 462

原创 机器学习 朴素贝叶斯之邮件分类

贝叶斯方法是以贝叶斯原理为基础,使用概率统计的知识对样本数据集进行分类。由于其有着坚实的数学基础,贝叶斯分类算法的误判率是很低的。贝叶斯方法的特点是结合先验概率和后验概率,即避免了只使用先验概率的主观偏见,也避免了单独使用样本信息的过拟合现象。贝叶斯分类算法在数据集较大的情况下表现出较高的准确率,同时算法本身也比较简单。朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化,即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较...

2021-12-26 19:53:20 5382 1

原创 C++ stl应用

目录一.实验内容:二.实验实现:1.结合容器和迭代器解决序列变换(如取反、平方、立方),像素变换(二值化、灰度拉伸);1.1.容器和迭代器相关介绍:1.2.序列变换(如取反、平方、立方):1.3.像素变换(二值化、灰度拉伸):2.用set存储学生信息,并进行增删改查操作:2.1.学生类:2.2.增删改查函数代码:3.输入一个字符串,用map统计每个字符出现的次数并输出字符及对应的次数:STL 是“Standard Template Libra...

2021-11-27 23:40:17 804

原创 机器学习 Logistic回归

一.线性模型及回归: 线性模型的一般形式:其中x=(x1, x2, ..., xd)是由d维属性描述的样本,其中 xi是 x 在第 i 个属性上的取值。向量形式可记为:1.一维数据线性模型:给定数据集:一维数据线性模型最终需要得到:这样可以准确的预测出该线性模型在xi处的值;即我们需要将误差尽可能的减少;下面我们将用到最小二乘法,即利用均方误差最小化来求解参数该函...

2021-11-22 19:00:30 1464

原创 C++ 实验3 模板

目录实验内容:一、模板函数(compare):1.一般模板函数:2.特化模板函数:二、模板类Queue:1.模板类(Queue):2.成员模板函数:3.模板特化:模板函数特化、模板成员函数特化、模板类特化:3.1.模板函数特化:3.2.模板类特化:三、模板类AutoPtr:1.构造函数:2.析构函数:3.拷贝构造函数:4.等号、->、*等运算符重载:5.主函数调用AutoPtr:总结:实验内容:1、模板函数(comp...

2021-11-17 23:40:34 562

原创 C++实验2 继承和多态

目录实验内容一、继承访问1.设计类A具有public, protected, private等不同属性的成员函数或变量;2.在类B中添加public, protected, private等不同属性的成员函数或变量;类B通过public, protected, private等不同方式继承A,在类B的成员函数中测试访问A的成员函数或变量:2.1类B通过public方式继承A,测试访问A的成员函数或变量:2.2类B通过protected方式继承A,测试访问A的成员函数或变量:2..

2021-11-03 20:50:59 636

原创 决策树(信息熵、增益率、基尼指数)

目录前言一、决策树是什么?二、实验过程1.选择数据集中各个决策属性的优先级1.1信息熵1.2增益率1.3基尼指数2.决策树的构造2.1创建决策树:2.2准备数据:2.3.读取和保存决策树:2.4绘制决策树:3运行结果:3.1利用信息熵进行构造3.2利用增益率进行构造决策树:3.3利用基尼指数进行构造决策树:总结前言决策树(Decision Tree)是一种简单但是广泛使用的分类器。通过训练数据构建决策树,..

2021-10-28 01:56:42 7330 1

原创 C++代码学习01

文章目录前言 一、实验内容 二、代码 1.CMatrix.h 2.CComplex.h 3.CMatrix.cpp 4.CComplex.cpp 5.main.cpp 三、测试 总结前言本篇文章主要是关于C++创建二维矩阵并实现各类运算符对二维矩阵的应用。提示:以下是本篇文章正文内容,下面案例可供参考一、实验内容①构造函数1.CMatrix():不带参数的构造函数;2.CMatrix(in...

2021-10-13 21:32:18 152

原创 KNN算法--手写识别

文章目录前言 一、手写识别系统 二、主要代码 1.引入库 2.分类器代码: 3.将图像转化为测试向量 4.手写数字识别系统测试代码 总结前言KNN算法的介绍在上篇文章中已经提及,详情请见KNN算法代码,本篇文章主要是关于简单的手写识别系统的代码。一、手写识别系统 本次构造的系统只能识别数字 0 到 9,参见于下面图像转化为测试向量中的例图‘0’。需要识别的数字已经使用图形处理软件,处理成具有相同的色彩和大小 1:宽...

2021-10-10 00:32:45 1365

原创 KNN算法代码

一、K近邻算法KNN是一种监督学习类别的算法,全称(K-NearestNeighbor)直译为K个最近的邻居,是一种聚类算法。该算法认为我们在判断一个物体的类别可以根据与他非常相似的K个物体的类别(这K个物体的类别是已知的)来决定。其工作机制是给定一个新的测试样本,基于某种距离度量找出训练集中离该新样本最近的前K个样本(训练集中样本标签已知),基于这K个样本的标签信息来预测新样本的类别,通常,在这K个样本中出现最多次数的类别标签即被预测为新样本的类别标签。二. 使用Python导入数...

2021-10-03 19:56:31 3263

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

提示
确定要删除当前文章?
取消 删除