![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
cv
Robin_shie
这个作者很懒,什么都没留下…
展开
-
计算机视觉(一)
计算机rgb图片(https://baike.baidu.com/item/RGB/342517?fr=aladdin)#coding:utf-8import matplotlib.pyplot as pltimport matplotlib.image as mpimgrgb_img = mpimg.imread("./imgs/7.jpg");plt.figuref,(a1,a2,a3,a4)...原创 2018-04-25 16:18:15 · 298 阅读 · 0 评论 -
计算机视觉(十)--形态学特征
数学形态运算中,最常见的基本运算有七种, 分别为:腐蚀、膨胀、开运算、闭运算、击中、细化和粗化, 它们是全部形态学的基础。腐蚀和膨胀,看上去好像是一对互逆的操作,实际上,这两种操作不具有互逆的关系。 开运算和闭运算正是依据腐蚀和膨胀的不可逆性,演变而来的。先腐蚀后膨胀的过程就称为开运算。 闭运算是通过对腐蚀和膨胀的另一种不同次序的执行而得到的, 闭运算是先膨胀后腐蚀的过程,其功能是用来填充物体内细...原创 2018-04-29 09:19:43 · 2976 阅读 · 0 评论 -
计算机视觉 (九)- 角点检测(Harris)
首先,我们为什么要检测角点。一张图片有很多的特征,这些特征决定了物体。在角点处图像的梯度会有不小的变化,所以,可以用焦点作为判定的一个依据。 Harris Corner是最典型的角点检测子Corner Detector。角点经常被检测在边缘的交界处、被遮挡的边缘、纹理性很强的部分。满足这些条件一般都是稳定的、重复性比较高的点,所以实际上他们是不是角点并不重要(因为我们的目标就是找一些稳...原创 2018-04-29 09:14:05 · 758 阅读 · 0 评论 -
计算机视觉 (八) -- 霍夫变换Hough
霍夫变换Hough霍夫变换(Hough)是一个非常重要的检测间断点边界形状的方法。它通过将图像坐标空间变换到参数空间,来实现直线与曲线的拟合。主要用途就是找到图片中的直线或圆形区域。1.直线检测1.1 直线坐标参数空间在图像x−y坐标空间中,经过点(xi,yi)的直线表示为: yi=axi+b(1) 其中,参数a为斜率,b为截矩。 通过点(xi,yi)的直线有无数条,且对应于不同的a和b值。如果...原创 2018-04-27 17:21:29 · 1323 阅读 · 0 评论 -
计算机视觉 (七) -- Canny
Canny 的目标是找到一个最优的边缘检测算法,最优边缘检测的含义是:好的检测- 算法能够尽可能多地标识出图像中的实际边缘。好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。最小响应- 图像中的边缘只能标识一次,并且可能存在的图像噪声不应标识为边缘。为了满足这些要求 Canny 使用了变分法,这是一种寻找满足特定功能的函数的方法。最优检测使用四个指数函数项的和表示,但是它非常近似于...原创 2018-04-27 17:12:38 · 284 阅读 · 0 评论 -
计算机视觉 (六) -- Edge Detection(sobel) & Gaussian Blur
Sobel算子是像素图像边缘检测中最重要的算子之一,在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上,它是一个离散的一阶差分算子,用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子,将会产生该点对应的梯度矢量或是其法矢量。[1] 该算子包含两组3x3的矩阵,分别为横向及纵向,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像...原创 2018-04-27 17:07:49 · 1631 阅读 · 1 评论 -
计算机视觉 (五) -- 图片FFT
FFT(Fast Fourier Transformation)是离散傅氏变换(DFT)的快速算法。即为快速傅氏变换。它是根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。我们使用FFT 对图像的高频和低频信号处理,可以找出信号在哪个方向变化快。在变化快方向就有可能存在边界。import numpy as npimport matplotlib.pyplot as pl...原创 2018-04-26 17:05:46 · 1630 阅读 · 0 评论 -
计算机视觉(十一) -- ORB
ORB特征是目前最优秀的特征提取与匹配算法之一,下面具体讲解一下: 特征点的检测图像的特征点可以简单的理解为图像中比较显著显著的点,如轮廓点,较暗区域中的亮点,较亮区域中的暗点等。ORB采用FAST(features from accelerated segment test)算法来检测特征点。这个定义基于特征点周围的图像灰度值,检测候选特征点周围一圈的像素值,如果候选点周围领域内有足够多的像素点...原创 2018-05-04 15:51:40 · 1347 阅读 · 0 评论 -
计算机视觉 (四) --白天不懂夜的黑
这是一个图片分类的简单应用,没有加入cnn之类的深度学习算法.大致算法如下:首先 我们先建立一个工具类用于读取图片和归一化图片.import cv2import os'''resize 图片'''def standartize_input(img): return cv2.resize(img,(244,224))'''编辑标签'''def encode(label): numeric...原创 2018-04-26 09:36:44 · 347 阅读 · 0 评论 -
计算机视觉(三)--HSV
HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)。色调H用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°。它们的补色是:黄色为60°,青色为18...原创 2018-04-26 09:14:53 · 1355 阅读 · 0 评论 -
计算机视觉(二)--green screen
import matplotlib.pyplot as pltimport numpy as npimport cv2img = cv2.imread("./imgs/8.jpg")img_cp = np.copy(img)img_cp = cv2.cvtColor(img_cp,cv2.COLOR_BGR2RGB)l_threhold = np.array([0,180,0]) # 设置绿色过滤...原创 2018-04-25 17:05:19 · 477 阅读 · 0 评论 -
计算机视觉(十二) --CNN 可视化
一、神经网络为什么比传统的分类器好1.传统的分类器有 LR(逻辑斯特回归) 或者 linear SVM ,多用来做线性分割,假如所有的样本可以看做一个个点,如下图,有蓝色的点和绿色的点,传统的分类器就是要找到一条直线把这两类样本点分开。对于非线性可分的样本,可以加一些kernel核函数或者特征的映射使其成为一个曲线或者一个曲面将样本分开。但为什么效果不好,主要原因是你很难保证样本点的分布会如图所示...原创 2018-05-08 16:30:17 · 1814 阅读 · 0 评论