opencv学习笔记06

图像处理 专栏收录该内容
8 篇文章 0 订阅

原创:opencv学习笔记06

OpenCV-Python教程:50.理解k-近邻

https://www.jianshu.com/p/404e329e4e80
OpenCV里的kNN

 

1
2
3
4
5
6
newcomer = np.random.randint(0,100,(1,2)).astype(np.float32)
plt.scatter(newcomer[:,0],newcomer[:,1],80,'g','o')

knn = cv2.KNearest()
knn.train(trainData,responses)
ret, results, neighbours ,dist = knn.find_nearest(newcomer, 3)

OpenCV-Python教程:51.使用kNN做手写数据OCR

https://www.jianshu.com/p/af02293c5a7e

 

1
2
3
knn = cv2.KNearest()
knn.train(train,train_labels)
ret,result,neighbours,dist = knn.find_nearest(test,k=5)

OpenCV-Python教程:52.理解SVM

https://www.jianshu.com/p/03cfa441ca64

OpenCV-Python教程:53.使用SVM进行手写数据的OCR

https://www.jianshu.com/p/0fd323eb0a99

使用图像的二阶矩模型来抗色偏。所以我们首先定义一个函数deskew()取一个数字图像并对他抗色偏。下面是deskew()函数:

 

1
2
3
4
5
6
7
8
def deskew(img):
    m = cv2.moments(img)
    if abs(m['mu02']) < 1e-2:
        return img.copy()
    skew = m['mu11']/m['mu02']
    M = np.float32([[1, skew, -0.5*SZ*skew], [0, 1, 0]])
    img = cv2.warpAffine(img,M,(SZ, SZ),flags=affine_flags)
    return img

 

1
2
3
4
5
6
7
8
9
10
svm = cv2.SVM()
svm.train(trainData,responses, params=svm_params)
svm.save('svm_data.dat')

######    Now testing      ########################

deskewed = [map(deskew,row) for row in test_cells]
hogdata = [map(hog,row) for row in deskewed]
testData = np.float32(hogdata).reshape(-1,bin_n*4)
result = svm.predict_all(testData)

OpenCV-Python教程:54.K-Means集群

https://www.jianshu.com/p/53a1ae1651c0

OpenCV-Python教程:55.OpenCV里的K-Means聚类

https://www.jianshu.com/p/b24086aab3fc

OpenCV-Python教程:56.图像去噪

https://www.jianshu.com/p/26e29adf7429
保持一个静止的摄像机对准一个位置多呆几秒,这会给你很多帧,或者是对一个场景的很多图像。然后写一些代码来找到视频里所有帧的平均值。比较最终的结果和第一帧。你可以看到噪点被去掉了。不幸的是这个简单的方法对于摄像机和场景的运动来说就不健壮了。而且经常你也只有一个噪音图像可用。
所以思路很简单,我们需要一套类似的图像来平均去掉噪点,假设图像上一个小窗口(比如5x5的窗口)。很有可能在图像里的某处还有一个相同的块。有时候是在它附近的邻居。用这样类似的块来做他们的平均会怎么样呢?对于这个特定的窗口,看下面的例子:

对于彩色图像,图像先要转换成CIELAB颜色空间然后再分成L去噪和AB部分。
OpenCV里的图像去噪
OpenCV提供了这个技术的四个变形:

 

1
2
3
4
1.cv2.fastNlMeansDenoising() - 对于一个灰度图像的
2.cv2.fastNlMeansDenoisingColored() - 对于彩色图像的
3.cv2.fastNlMeansDenoisingMulti() - 对于短时间内拍摄的一序列图像的(灰度图像)
4.cv2.fastNlMeansDenoisingColoredMulti() - 和上面一眼个,不过是彩色图像。

通用参数如下:

 

1
2
3
4
·h: 决定过滤器强度的参数。更高的h值能够更好去噪,但是会去掉更多图像细节(10就ok)
·hForColorComponents: 和h一样,不过只是针对彩色图像的(一般和h一样)
·templateWindowSize:应该是奇数(推荐7)
·searchWindowSize:应该是奇数(推荐21)

OpenCV-Python教程:57.图像修复

https://www.jianshu.com/p/af5beb643d38
一些老照片已经有黑点啊,划痕啊等。你有想过修复它们么?我们不能简单的在绘图工具里把他们擦除了就完了。因为这样只是把黑色的东西变成白色的而已,实际上没用。在这种情况下,会用到一种技术叫图像修复。基本的思想很简单:用周围的像素替换坏掉的像素,这样看上去就和周围一样了。

OpenCV提供了两个,可以用同一个函数来访问: cv2.inpaint()
编码
我们需要创建和输入图像相同大小的掩图,需要修复的区域对应的像素要非0.剩下的就简单了。我的图像被一些黑色划痕给破坏了(实际上是我自己加的)。我用绘图工具对应的标记出来。

 

1
2
3
4
5
6
7
8
9
10
11
import numpy as np
import cv2

img = cv2.imread('messi_2.jpg')
mask = cv2.imread('mask2.png',0)

dst = cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA)

cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

看下面的结果。第一个图片是输入图像,第二个是掩图,第三个是用第一种算法的结果,最后一张是第二种算法的结果。

OpenCV-Python教程:58.使用Haar Cascades面部识别

https://www.jianshu.com/p/e5f18ef0e5a8
OpenCV里的Haar-cascade检测
OpenCV提供了检测器和训练器。如果你想训练你自己的分类器来识别诸如汽车啊,飞机什么的,你可以使用OpenCV来创建一个。详细内容见:Cascade Classifier Training
这里我们只看检测器,OpenCV已经包含了很多训练过的分类器,面部的,眼睛的,笑容的等。那些XML文件存在opencv/data/haarcascades/目录。让我们创建一张脸和眼的检测器吧。
首先我们需要加载必须的XML分类器,然后用灰度模式加载我们的输入图像(或者视频)。

 

1
2
3
4
5
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

img = cv2.imread('sachin.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

现在我们在图像里找到脸。如果找到脸,它会返回检测到的脸的位置(x, y, w,h)。当我们得到这些位置,我们可以为脸创建一个ROI然后在这个ROI上应用眼睛检测(因为眼睛总是在脸上的!)

 

1
2
3
4
5
6
7
8
9
10
11
12
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x,y,w,h) in faces:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = img[y:y+h, x:x+w]
    eyes = eye_cascade.detectMultiScale(roi_gray)
    for (ex,ey,ew,eh) in eyes:
        cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

OpenCV-Python教程:59.OpenCV-Python 是如何工作的

https://www.jianshu.com/p/f17ee7a100ef
python调用c简介

OpenCV-Python教程:60.scikit-learn

https://www.jianshu.com/p/aedaec60f67b
scikit-learn简介,scikit-learn每个数据挖掘专业必备入门工具,没啥可说的,深度学习火之前大家都是靠scikit-learn过日子的

OpenCV-Python教程:61.一元线性回归

https://www.jianshu.com/p/1710ded8ff84
使用python的matlibplot画图,体现一元线性回归的相关性关系。

  • 0
    点赞
  • 0
    评论
  • 1
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
©️2020 CSDN 皮肤主题: 程序猿惹谁了 设计师:白松林 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值