数学之路(3)-机器学习(3)-机器学习算法-差异均值

最新推荐文章于 2021-08-25 09:03:43 发布

麦好

最新推荐文章于 2021-08-25 09:03:43 发布

阅读量2.1k

点赞数 2

分类专栏：智能与数学机器学习实践指南文章标签：数学图片算法人工智能机器学习

本文链接：https://blog.csdn.net/myhaspl/article/details/11558757

版权

机器学习实践指南同时被 2 个专栏收录

217 篇文章 79 订阅

订阅专栏

智能与数学

67 篇文章 2 订阅

订阅专栏

本文探讨平均数（均值）在统计中的作用，作为集中趋势的测度，并介绍了如何在含有噪声的图像中寻找切片位置，涉及机器学习中的差异均值计算方法。

摘要由CSDN通过智能技术生成

平均数（Mean）、均值是统计中的一个重要概念。为集中趋势的最常用测度值，目的是确定一组数据的均衡点。

平均值。

其计算公式为：

$\bar{x} = \frac{1}{n}\sum_{k=1}^n x_k$

在统计中算术平均数常用于表示统计对象的一般水平，它是描述数据集中程度的一个统计量。我们既可以用它来反映一组数据的一般情况

本博客所有内容是原创，如果转载请注明来源

http://blog.csdn.net/myhaspl/

我们首先来看下面2个图片切片，我们要在最后一张图片中找到这2个切片的位置

，通过像素之间的直接对比，我们可以轻易求出这2个图片切片在图片的位置

def showpiclocation(img,findimg):
    #定位图片
    w=img.shape[1]  
    h=img.shape[0]  
    fw=findimg.shape[1]
    fh=findimg.shape[0]
    findpt=None
    for now_h in xrange(0,h-fh):
        for now_w in xrange(0,w-fw):
            comp_tz=img[now_h:now_h+fh,now_w:now_w+fw,:]-findimg       
...............................................
        print ".",
    if  findpt!=None:
        cv2.rectangle(img, findpt, (findpt[0]+fw,findpt[1]+fh),(255,0,0))
    return img

以上是代码，对比的方式是首先将图片切片在图片中进行移动，然后将2个图像矩阵相减形成图像差异矩阵，如果在统计上图像矩阵的均值为0，说明这2个图像矩阵指定同一个图像内容，我们测试并显示匹配效果

fn='pictest.png'
fn1='pictestt1.png'
fn2='pictestt2.png'
myimg=cv2.imread(fn)
myimg1=cv2.imread(fn1)
myimg2=cv2.imread(fn2)

myimg=showpiclocation(myimg,myimg1)
myimg=showpiclocation(myimg,myimg2)
cv2.namedWindow('img')       
cv2.imshow('img', myimg)   
cv2.waitKey()  
cv2.destroyAllWindows()

如果图片加上了大量噪声，则需要对差异矩阵设定一个可接受的范围，我们加上噪声

def addnoise(img):
    coutn=30000  
    for k in xrange(0,coutn):  
        xi = int(np.random.uniform(0,img.shape[1]))  
        xj = int(np.random.uniform(0,img.shape[0]))  
        if img.ndim == 2:   
            img[xj,xi] = 255  
        elif img.ndim == 3:   
            img[xj,xi,0]= 255 *np.random.rand() 
            img[xj,xi,1]= 255 *np.random.rand()   
            img[xj,xi,2]= 255 *np.random.rand()

然后测试

fn='pictest.png'
fn1='pictestt1.png'
fn2='pictestt2.png'
myimg=cv2.imread(fn)
myimg1=cv2.imread(fn1)
myimg2=cv2.imread(fn2)
addnoise(myimg)
myimg=showpiclocation(myimg,myimg1)
myimg=showpiclocation(myimg,myimg2)
cv2.namedWindow('img')       
cv2.imshow('img', myimg)   
cv2.waitKey()  
cv2.destroyAllWindows()

完成下面的匹配效果