![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像opencv及图像基础技术
悟乙己
心如花木,皆向阳而生!
展开
-
视频处理系列︱利用达摩院ModelScope进行视频人物分割+背景切换(一)
视频人物图像分割原创 2023-01-02 16:11:15 · 2103 阅读 · 0 评论 -
视频处理基本技术(取帧、合帧)
按帧拆解视频以及按帧合并视频原创 2022-11-09 18:08:50 · 665 阅读 · 0 评论 -
opencv︱图片与视频的读入、显示、写出、放缩与基本绘图函数介绍
本文来自于段力辉 译《OpenCV-Python 中文教程》一、图片 + 读入、显示、写出opencv中读入、显示、写出图片:cv2.imread(), cv2.imshow(), cv2.imwrite()1、cv2.imread()import numpy as npimport cv2 # Load an color image in grayscaleimg = cv2.imread(转载 2017-04-09 15:34:15 · 8107 阅读 · 1 评论 -
python︱matplotlib使用(读入、显示、写出、opencv混用、格式转换...)
opencv和matplotlib是比较常用的图像分析模块。在Ipython里面,opencv不能直接显示出来,所以有些时候会借助matplotlib来显示。%matplotlib inline .1、matplotlib的读入与显示import matplotlib.pyplot as plt import numpy as np from PIL import ...原创 2017-11-17 12:07:10 · 13689 阅读 · 0 评论 -
python︱批量操作文件(os)、图片操作技巧(下载网络图片、skimage.io)
数据量大了,什么情况都有可能会发生。 .一、遍历操作文件1、文件名字获取相关帖子: 一句python,一句R︱模块导入与查看、数据读写出入、数据查看函数、数据类型、遍历文件 os.listdir:返回的是该文件夹下的所有文件名称; os.walk:可以返回父文件夹路径+文件夹下路径,貌似比较给力。网上有帮他们打包成函数的博客:Python遍历目录的4种方法实例介绍#!/usr/b原创 2017-03-06 19:05:21 · 11939 阅读 · 0 评论 -
python︱利用dlib和opencv实现简单换脸、人脸对齐、关键点定位与画图
这是一个利用dlib进行关键点定位 + opencv处理的人脸对齐、换脸、关键点识别的小demo。原文来自于《Switching Eds: Face swapping with Python, dlib, and OpenCV》 该博文的github地址中有所有的code。这边我将我抽取的code放在自己的github之中,可以来这下载: https://github.com/mattzhen...原创 2017-11-17 18:48:12 · 17466 阅读 · 1 评论 -
opencv︱图像的色彩空間cvtColor(HSV、HSL、HSB )及相关色彩学
一、色彩空间理论几种色彩空间:1、RGBRed 红色,0-255 Green 绿色,0-255 Blue 蓝色,0-255 2、HSIHSI色彩空间可以用一个圆锥空间模型来描述。用这种 描述HIS色彩空间的圆锥模型相当复杂,但确能把色调、亮度和色饱和度的变化情形表现得很清楚。 通常把色调和饱和度通称为色度,用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感 程度远强于对颜色浓淡的敏感原创 2017-04-27 17:20:03 · 30603 阅读 · 3 评论 -
opencv+Recorder︱OpenCV 中使用 Haar 分类器进行面部检测
本文来自于段力辉 译《OpenCV-Python 中文教程》.一、基础以 Haar 特征分类器为基础的对象检测技术是一种非常有效的对象检测技术(2001 年 Paul_Viola 和 Michael_Jones 提出)。它是基于机器学习的,通过使用大量的正负样本图像训练得到一个 ascade_function,最后再用它来做对象检测。 现在我们来学习面部检测。开始时,算法需要大量的正样本图像(面转载 2017-04-09 16:30:22 · 5773 阅读 · 0 评论 -
opencv︱opencv中实现行人检测:HOG+SVM(二)
接:opencv︱HOG描述符介绍+opencv中HOG函数介绍(一) 相关博文:Recorder︱图像特征检测及提取算法、基本属性、匹配方法 转载于:Opencv HOG行人检测 源码分析(一)和HOG:从理论到OpenCV实践 HOG+SVM是传统计算机视觉中的经典组合模型。零、行人检测综述来源于:行人检测、跟踪与检索领域年度进展报告 行人检测,就是将一张图片中转载 2017-04-08 12:15:33 · 20662 阅读 · 3 评论 -
opencv+Recorder︱OpenCV 中的 Canny 边界检测+轮廓、拉普拉斯变换
本文来自于段力辉 译《OpenCV-Python 中文教程》 边缘检测是图像处理和计算机视觉中的基本问题,通过标识数字图像中亮度变化明显的点,来捕捉图像属性中的显著变化,包括深度上的不连续、表面方向的不连续、物质属性变化、和场景照明变化。.零、边缘检测年度进展由南开大学的程明明副教授所述,所做摘录。 .1、传统的边缘检测的进展图像边缘检测能够大幅减少数据量,在保留重要的结构属性的同时,剔除转载 2017-04-09 15:57:57 · 5534 阅读 · 0 评论 -
opencv︱HOG描述符介绍+opencv中HOG函数介绍(一)
1、HOG与SIFT的区别 HOG和SIFT都是描述子,以及由于在具体操作上有很多相似的步骤,所以致使很多人误认为HOG是SIFT的一种,其实两者在使用目的和具体处理细节上是有很大的区别的。HOG与SIFT的主要区别如下: (1)SIFT是基于关键点特征向量的描述。 (2)HOG是将图像均匀的分成相邻的小块,然后在所有的小块内统计梯度直方图。 (3)SIFT需要对图像尺度空转载 2017-04-08 11:58:16 · 14055 阅读 · 2 评论