![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
twentyfour4ever
这个作者很懒,什么都没留下…
展开
-
sift原理
sift原理 角点检测具有旋转不变性 但不具有尺度不变性当图像放大后 在使用同样的窗口 就检测不到了sift所查找的关键点是一些十分突出 不会因光照 仿射变换和噪音等因素而变化的点。1. 高斯模糊成功地去除了图像中的噪点,强调了图像的重要特征2. 高斯差分金字塔建立高斯金字塔 在不同尺寸的图片上进行高斯滤波 再建立高斯查分金字塔 把同尺度 相邻的2张图片相减 提取特征3.局部极值每个点在和周围26个点比较 同层8个上下各9个 以确定是否为局部最大值/最小值4. 关键点筛选原创 2021-03-26 16:24:18 · 249 阅读 · 0 评论 -
角点检测
是图像很重要的特征 有区分性 容易去比较显示生活中 角点对应于物体的拐角 道路的十字路口 丁字路口Harris和Shi-tomas算法Harris角点检测通过图像局部的小窗口观察图像 窗口沿人任意方向移动都会导致图像灰度的明显变化平坦区域:任意方向移动 无灰度变化边缘:沿着边缘方向移动 无灰度变化角点:沿任意方向移动 明显灰度变化关于角点的具体描述可以有几种: 1. 一阶导数(即灰度的梯度)的局部最大所对应的像素点; 2. 两条及两条以上边缘的交点; 3. 图像中梯度值和梯度方向原创 2021-03-26 11:16:56 · 178 阅读 · 0 评论 -
投影变换
仿射变换后 平行的线还是平行的投影变换只是保证同一条直线上的点还是在同一条直线上 但不再保证平行了因为投影变换是一个二维图像(车牌)经过一个三维变换,然后映射到另外一个二维空间,二维图像的二维空间与映射后的二维空间不一样,如果一样,就是仿射变换import cv2import numpy as np#图片的路径imgname = "img1.jpg"#读取图片image = cv2.imread(imgname, cv2.IMREAD_COLOR)#图片的高度和宽度h,w =原创 2021-03-25 11:51:56 · 212 阅读 · 0 评论 -
仿射变换
仿射变换 一个任意的仿射变换都能表示为 乘以一个矩阵 (线性变换) 接着再 加上一个向量 (平移). 综上所述, 我们能够用仿射变换来表示: 旋转 (线性变换) 平移 (向量加) 缩放操作 (线性变换)...原创 2021-03-25 11:21:53 · 69 阅读 · 0 评论 -
插值
什么是插值 利用已知的点来猜测未知的点 图像领域插值常用于修改图像尺寸的过程 由旧的图像矩阵中的点计算新图像矩阵中的点并插入, 不同的计算过程就是不同的插值算法。最近邻法(Nearest Interpolation) 直接用最近的数值替代。单线性插值 根据初中的知识,2点求一条直线公式(这是双线性插值所需要的唯一的基础公式)双线性插值 已知Q11(x1,y1)、Q12(x1,y2)、Q21(x2,y1)、Q22(x2,y2),求其中点P(x,y)的值前面介绍过双线性插值是原创 2021-03-25 11:02:08 · 220 阅读 · 0 评论 -
Keras介绍
为什么选择keras? 搭建简单 和很多底层深度学习语言 特别是TensorFLow 集成在一起 所以它可以实现任何你可以用基础语言编写的东西Keras拥有强大的多的GPU和分布式训练支持 keras内置对多gpu数据并行的支持...原创 2021-02-12 07:52:30 · 119 阅读 · 0 评论 -
混合高斯模型检测背景和前景物体
import numpy as npimport cv2#cap = cv2.VideoCapture("1594789861366240.mp4")kernel = np.ones((5,5),np.uint8)fgbg = cv2.createBackgroundSubtractorMOG2()# 获得视频的格式videoCapture = cv2.VideoCapture('1594789861366240.mp4')# 获得码率及尺寸fps = videoCapture.get原创 2020-07-15 13:47:46 · 345 阅读 · 0 评论 -
计算机视觉 特征提取
图像特征颜色特征几何特征颜色特征量化颜色直方图 适用颜色空间:rgb hsv等颜色空间 操作: 颜色空间量化 单元(bin)由单元中心代表 统计落在量化单元上的像素数量 优势: 计算高效 劣势: 量化问题 分布稀疏聚类颜色直方图 避免出现大量的bin中的像素数量非常稀疏的情况几何特征 边缘定义: 像素值快速变化的区域 -> 一阶导数的极值区域 边缘提取: 由于导数对噪音敏感 先高斯去噪 再使用一阶导数获取极值 防止极值是由于噪音像素导致 而不是原创 2020-06-29 07:16:59 · 274 阅读 · 0 评论 -
计算机视觉 opencv python 图像金字塔
图像金字塔:图像金字塔是一种以多分辨率来解释图像的结构,通过对原始图像进行多尺度像素采样的方式,生成N个不同分辨率的图像。把具有最高级别分辨率的图像放在底部,以金字塔形状排列,往上是一系列像素(尺寸)逐渐降低的图像,一直到金字塔的顶部只包含一个像素点的图像,这就构成了传统意义上的图像金字塔。获得图像金字塔一般包括二个步骤:1. 利用低通滤波器平滑图像 2. 对平滑图像进行抽样(采样)有两种采样方式——上采样(分辨率逐级升高)和下采样(分辨率逐级降低)高斯金字塔向下采样方法(缩小)原创 2020-06-20 11:12:40 · 229 阅读 · 0 评论 -
opencv python Canny边缘检测
处理顺序:1.彩色图像转换成灰度图2.对图像进行高斯模糊3.计算图像梯度 根据梯度计算 图像边缘幅值与角度4.非最大信号压制处理 在获得梯度的方向和大小之后,应该对整幅图像做一个扫描,去除那些非边界上的点。 对每一个像素进行检查,看这个点的梯度是不是周围具有相同梯度方向的点中最大的。5.双阈值边缘连接处理 现在要确定那些边界才是真正的边界。 这时我们需要设置两个阈值:minVal和maxVal。 当图像的灰度梯度高于maxVal时被认为是真的边界,那些低于minVal的边界会被抛弃。原创 2020-06-19 21:07:27 · 134 阅读 · 0 评论 -
opencv python 图像形态学
形态学操作(morphology operators)图像形态学操作 – 基于形状的一系列图像处理操作的合集,主要是基于集合论基础上的形态学数学。形态学主要针对二值图像进行处理,特别是OCR等这些处理,还有特征提取、区域分割等也可以通过形态学的方法进行。形态学有四个基本操作:腐蚀、膨胀、开、闭。膨胀与腐蚀是图像处理中最常用的形态学操作手段。1)膨胀(dilate)跟卷积操作类似,假设有图像A和结构元素B,结构元素B在A上面移动,其中B定义其中心为锚点,以B覆盖下A的最大像素值(偏白)原创 2020-06-18 20:59:38 · 159 阅读 · 0 评论 -
计算机视觉 opencv python 平滑处理
import cv2import numpy as np# 均值滤波def blurImg(img): img = cv2.blur(img,(7,7)) return img# 高斯滤波## 0.6 0.8 0.6# 0.8 1 0.8# 0.6 0.8 0.6#def gaussianBlurImg(img): aussian = cv2.GaussianBlur(img,(1111,1111,),1) return aussian原创 2020-06-18 18:46:05 · 140 阅读 · 0 评论 -
计算机视觉 opencv 图像基本操作 图像读取 图像保存 图像切分 图像色道切分 图片融合
import cv2import matplotlib.pyplot as pltimport numpy as npdef cvImgShow(name,img):# 默认是rgb 读彩色图# img = cv2.imread("img1.png")# 读取成灰度图img = cv2.imread("img1.png",cv2.IMREAD_GRAYSCALE)print(img.shape)# 图片的现实 也可以创建多个窗口cv2.imshow('image',img)#原创 2020-06-12 22:26:39 · 341 阅读 · 0 评论 -
计算机视觉 图片预处理
颜色空间rgb颜色空间 加法混色 彩色显示器 rgb三种颜色越叠加越亮 rgb在一起时为白色 三个通道 red green blue 一个像素的颜色值 (b,g,r) 取值范围: [0,255] [0.0,1.0]CMY(K)颜色空间 减法混色 印刷 越叠加越黑HSV颜色空间 hue 色调 saturation 饱和度 value 明度图片存储原理主流颜色空间 rgb三通道彩色图 图片 三维矩阵 灰度图 单通道 亮度信息 [0,255] gray = r*0.原创 2020-06-08 17:29:21 · 169 阅读 · 0 评论 -
计算机视觉简介
What is Computer Vision? Computer vision is the interdisciplinary scientific field that develops theories andmethods allowing computers to extract high-level information from digital images or videos. Physics-based mathematical and statistical models as原创 2020-06-08 10:24:43 · 374 阅读 · 0 评论