QWER306306的博客

主要工作是：1.了解LBP纹理特征的原理2.调用OPEN-CV人脸识别库，框出图像中所有的人脸3.将人脸区域做LBPH，将其计算结果与人脸标签做训练集(H表示直方图）4.用爬虫爬出两个人的很多图片，构成较为多图片的训练集5.用训练出来的分类器进行人脸识别

分别将两个图像或两个音频做FFT，再选取图像1/音频1的幅度，结合上图像2/音频2的相位，再做IFFT。看返回的图像或音频更接近图像1/音频1，还是图像2/音频2。若是前者，则说明幅度的信息量更重要；若是后者，则说明相位的信息量更重要。

（棋盘图像转为矩阵）本系列一个分为两大部分：一个是形状提取，一个是形状识别1.形状提取中，基于Hough函数法进行直线提取和圆形提取，还有即基于颜色的形状提取这里扩展了一个小程序（识别一张棋盘图片，利用角点检测得到棋盘参数，再利用形状提取得到棋子位置，将棋盘图片转换成矩阵，再利用棋子圆心的RGB识别，用矩阵中的1表示黑子，0表示白子。“后面会把这个小扩展单独写出来玩”）2.形状识别里用了几个OPEN-CV的函数

（基于Hough的形状提取）本系列一个分为两大部分：一个是形状提取，一个是形状识别1.形状提取中，基于Hough函数法进行直线提取和圆形提取，还有即基于颜色的形状提取这里扩展了一个小程序（识别一张棋盘图片，利用角点检测得到棋盘参数，再利用形状提取得到棋子位置，将棋盘图片转换成矩阵，再利用棋子圆心的RGB识别，用矩阵中的1表示黑子，0表示白子。“后面会把这个小扩展单独写出来玩”）2.形状识别里用了几个OPEN-CV的函数

本文采用Harris角点的方法来进行特征提取和特征匹配两大部分：1.Harris角点特征提取：分为函数法和机理法（手工复现法）2.Harris角点特征匹配：先让两张图片进行特征提取，再将图一和图二的每一个点进行做相关运算，若两张图角点的相关度都是最大的，则将两张图的角点相匹配。

本文采用Harris角点的方法来进行特征提取和特征匹配两大部分：1.Harris角点特征提取：分为函数法和机理法（手工复现法）2.Harris角点特征匹配：先让两张图片进行特征提取，再将图一import numpy as npimport cv2import mathfrom numpy import *import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom PIL import Image

import matplotlib.pyplot as plt的一些基础用法，包括直方图

python图像处理基础知识，函数说明目录python图像处理基础知识，函数说明1.处理照片（open_cv库）1.1 cv2.imread('filepath',flags)1.2 cv2.imshow("name",img)1.3 img1 = img.copy()1.4 cv2.waitKey(n)1.5 cv2.destroyAllWindows()1.6 cv2.imwrite("path",image)1.7 cv2.namedWindow('name',flags)1.8 cv2.cvtCo

python基础知识目录python基础知识1.数组1.1 创建数组1.2 数组操作1.3 数组取值1.4 链表操作2.逻辑语言习惯2.1 for循环在C、Pythong、MATLAB中的不同：2.2 导入第三方库函数1.数组# 若没有安装头文件输入下行代码，添加头文件# pip install numpyimport numpy as npimport math1.1 创建数组# int还可以是float(浮点)、bool(布尔)、NoneType(空)、str(字符串)a=np.z