liguandong

fill:#333;1 相比较霍夫找直线算法， 霍夫找圆心算法极其复杂 现在还没弄懂，等弄懂了来补充算法过程 2 记录霍夫找直线的算法过程： 对于图上任意一点， 所有经过这个点的函数可以表示为： x0 cosO + y0sinO = p 其中， p 为…教你用OpenCV 和 Python实现圆物检测_opencv检测物体半径的代码_码农的后花园的博客-CSDN博客。OpenCV图像处理中“找圆技术”的使用-图像处理-双翌视觉。

前段时间入了小乌龟的坑，最近项目需要多人合作，就需要使用分支提交项目，这里刚好就使用到了创建分支功能，就记录一下使用的完整过程。本地commit相当于有了历史记录，拉下来的代码可以自动merge本地代码，如果不更改同一函数的话，若改统一函数，则涉及到人工merge，处理冲突。使用Git小乌龟初始化本地仓库并且创建新的分支提交（超详细图文教程,手把手教你做）_小乌龟新建分支_当C罗来敲代码时的博客-CSDN博客。自己的代码在提交前一定要commit，commit之后再pull，pull之后再push。

opengl定义了一个跨编程语言，跨平台的应用程序接口，opengl es是opengl的嵌入式版本，用于ios和android，后来一些追求高性能的设备也开始用这种api，opengl es是opengl的子集，区别在于opengl es删减了opengl一切低效能的操作方式，有高性能的绝不留低效能的，即只求效能不追求兼容性，opengl es能实现的，opengl也能实现，opengl部分api，opengl es不支持。OpenGL 是跨平台的、专业的图形编程接口，而接口的实现是由厂商来完成的。

函数cv2.matchShape()可以比较两个形状或轮廓的相似度。如果返回值越小，匹配越好。它是根据Hu矩来计算的，Hu矩是归一化中心矩的线性组合，之所以这么做是为了能够获取代表图像的某个特征的矩函数，这些矩函数对某些变换如缩放，旋转，镜像映射（除了h1）具有不变性。double cv::matchShapes ( InputArray contour1,InputArray contour2,int method,double parameter ) Py...

这里面相对比较核心的是cv2.boundingRect和cv2.minAreaRect，后者用的非常多，上述所有方法的输入都是点集，对于minAreaRect，输入的是findContours找到的点集，然后获取一个完整的边界矩形，这个边界矩形通常会作为检测的结果，在文本检测中是常用的。我这里先给一个任务，然后来看一下以上这些方法是如何作用的？任务本身还简单，就是将下面这张图做一些切分，分成上下横版和竖版两张图。import osimport cv2import nu...

cv2.findContours()是非常常用的方法，在文字检测例如dbnet的后处理中，通常预测产生的概率图或者二值图要产生检测的边界，通常使用findContours方法找出边界在还原，除此之外一些对边缘的监督学习制作的标签也往往使用findContours方法。这个方法也有个缺点就是速度很慢，如果一次检测的二值图有很多的话，每个二值化都要找所有的边界点的话会很慢，虽然可以控制是否存储所有点，但是找的过程是针对所有点而言的。void cv::findContours ( Inpu...

opencv提供了两个变换函数，cv2.warpAffine和cv2.warpPerspective，使用这两个函数你可以实现所有类型的变换，cv2.warpAffine接收的参数2x3的变换矩阵，而cv2.warpPerspective接收的3x3的变换矩阵。1.扩展缩放import cv2import numpy as npimg=cv2.imread('messi5.jpg')# 下面的None 本应该是输出图像的尺寸，但是因为后边我们设置了缩放因子# 因此这里...

数据处理的padding中经常用到，通常一张图送入到网络中，可以通过透视变换变成目标图，或者等比变换，两边padding，像yolov3的预处理一样。

cv2.rectangle()void cv::rectangle ( InputOutputArray img,Point pt1,Point pt2,const Scalar & color,int thickness = 1,int lineType = LINE_8,int shift = 0 ) Python:img = cv.rectangle( img, pt1, pt2, color[, thickness[, lineType[, shif

第一章：走进opencv第二章：opencv中的gui特性2.1 图片2.1.1 使用opencv读入图片；显示图片；保存图片2.1.2 使用matplotlib2.2 视频2.2.1 用摄像头捕获视频2.2.2 从文件中播放视频2.2.3 保存视频2.3 opencv中的绘图函数2.3.1 画线2.3.2 画矩形...

np.mean/max/min/average/median/var(方差)/std(标准差)/sqrt/dot/cov(协方差矩阵)np.ptp() 可以返回数组中最大和最小值的差值np.where() ，where函数可以根据指定的条件返回所有满足条件的数组元素的索引值。np.take()，take函数获取这些索引值相应的元素值。np.argmax()/argmin() 返回数组中最大/最小元素的索引值np.apply_along_axis()：函数会调用另外一个由我们定义.

一.Numpy 基础1.Numpy 数组是有数据类型的，更确切的说，Numpy数组中的每一个元素均为相同的数据类型。2.reshape（4点把坐标转成22一对）3.切片4.ravel/flatten/transpose

def prelu(self, _x): alphas = tf.get_variable('alpha', _x.get_shape()[-1], initializer=tf.constant_initializer(0.0), dtype=tf.float32) pos = tf.nn...

def moments( x, axes, shift=None, # pylint: disable=unused-argument name=None, keep_dims=False)x: 形如：[batch_size, height, width, kernels]axes: 求解的维度，如 [1,2,3]keep_dims: 是否保...

map_fn(fn, elems, dtype=None, parallel_iterations=None, back_prop=True, swap_memory=False, infer_shape=True, name=None)其中 fn 是一个可调用函数，可以使用 lambda 来表示，elems 是需要处理的 tensors, tf 将会从第一维开始展开，...

pad(tensor, paddings, mode="CONSTANT", name=None, constant_values=0)pad 在网络结构设计中可以说是很常见的操作了。paddings是[N，2] 的形式，N代表是张量的阶，2代表是2列，列必须是2. t = tf.constant([[1, 2, 3], [4, 5, 6]]) paddings = tf.con...

Sparsetensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])dense tensor:[[1, 0, 0, 0] [0, 0, 2, 0] [0, 0, 0, 0]]tensorflow 使用三个dense tensor来表达一个sparse tensor：indices、value、dense_...

之前讲过 tf.gather 根据索引去找相应维度的子集tf.slice(input,begin,size,name=None)  按照指定的下标范围抽取连续区域的子集tf.gather(input,begin,size.name=None)  按照指定的下标集合从 axis=0 中抽取子集，适合抽取不连续区域的子集。 t = tf.constant([[[1, 1, 1], [2...

tf.image.crop_and_resize(image,boxes,box_ind,crop_size,methpd='bilinear',extrapolation_value=0,name=None)image: 表示特征图boxes：指需要划分的区域，输入格式为[ymin，xmin，ymax，xmax]设crop的区域坐标是[y1,x1,y2,x2]，那么想要得到相应正确的...

tf.gather(params,indices,axis=0 )从params的axis维根据indices的参数值获取切片如上图所示，params一共6个维度，indices为[2,1,3,4]被取了出来。 

在tensorflow中函数可以直接log打印tensorflow使用5个不同级别的日志消息。按照上升的顺序，他们是debug，info,warn,error和fatal。在任何级别配置日志记录时，tf将输出与该级别相对用的所有日志信息。在跟踪模型训练时，将级别调整为info，将提供适合操作正在进行的其他反馈。比如可以在tensorboard中看训练过程的loss，acc的变化情况。比如在...

像素高于阈值时，给像素赋予新值。cv2.threshold(src,thresh,maxval,type[,dst])该功能将固定级阈值应用于多通道阵列。 该函数通常用于从灰度图像中获取二进制图像（v :: compare也可用于此目的）或用于消除噪声，即滤除太小或太小的像素，很大的价值。 函数支持几种类型的阈值处理。 它们由类型参数确定。此外，特殊值cv :: THRESH_OTSU或c...

我们在转化数据集时经常会使用这个函数，他的所用是切分传入的 Tensor 的第一个维度，生成相应的 dataset 。1.对传入的（5,2）进行切分，最终产生的dataset有5个元素，每个元素的形状都是（2，）2.在图像识别中可能出现的字典或者元组的矩阵情况，因为将图像数字化之后，会产生矩阵和对应的标签。比如：｛”image”:image_tensor,”label”:label...

reduce_sum( ) 是求和函数，在 tensorflow 里面，计算的都是 tensor，可以通过调整 axis =0,1 的维度来控制求和维度。

tf.cast( ) 或者K.cast( ) 是执行 tensorflow 中的张量数据类型转换，比如读入的图片是int8类型的，一定要在训练的时候把图片的数据格式转换为float32.这样就能够将其转换成 0 或 1 的序列，进行one-hot encoding。 ...

Box-Cox 变换是常见的一种数据变换，用 于连续的响应变量不满足正态分布的情况。Box-Cox变换之后，可以一定程度上减小不可观测的误差和预测变量的相关性。比如在使用线性回归的时候，由于残差 epsilon 不符合正态分布而不满足建模的条件，这时候要对响应变量Y进行变换，把数据变成正态的。这是一种根据数据自动寻找「最佳」变换函数的方法...

数据平滑处理 -- log1p( ) 和 exmp1( )1.  数据预处理时首先可以对偏度比较大的数据用og1p函数进行转化，使其更加服从高斯分布，此步处理可能会使我们后续的分类结果得到一个好的结果。2. 平滑问题很容易处理掉，导致模型的结果达不到一定的标准，log1p( )能够避免复值得问题 — 复值指一个自变量对应多个因变量log1p( ) 的使用就像是一个数据压缩到了一个区间，...

The quantitle-quantile(q-q) plot is a graphical technique for determining if two data sets come from populations with a common distribution.它主要是直观的表示观测与预测值之间的差异。一般我们所取得数量性状数据都为正态分布数据。预测的线是一条从原点出发的45...

set_index( ) 将 DataFrame 中的列转化为行索引。如下图所示：默认的，当列变成行索引之后，原来的列就没了，但是可以通过设置drop来保留原来的列。

tf.nn.embedding_lookup函数是选取一个张量表中对应索引的元素。第一个参数对应张量，第二个参数对应索引

该函数是去除数组中的重复数字，并进行排序之后输出。

np.argwhere( a ) Find the indices of array elements that are non-zero, grouped by element.返回非0的数组元组的索引，其中a是要索引数组的条件。返回数组中所有大于1的数字的索引值。...

前面说过混淆矩阵是我们在处理分类问题时，很重要的指标，那么如何更好的把混淆矩阵给打印出来呢，直接做表或者是前端可视化，小编曾经就尝试过用前端（D5）做出来，然后截图，显得不那么好看。。代码：import itertoolsimport matplotlib.pyplot as pltimport numpy as npdef plot_confusion_matrix(cm, classe...

计算每一类的分类精度，进而求总体的平均精度是分类问题很常用的评价指标，当我们计算出混淆矩阵之后，需要对混淆矩阵进行量化分析，最明显的指标就是计算分类精度，下面提供一种计算方面，使用sk-learn的apinp.diag是将对角线的值取出来，也就是正确分类的样本数的分布，axis=1，是行维度，实际就是预测样本数分布，np.sum就是将预测的每类样本数进行求和。nan_to_num是将部分真除之后会...

混淆矩阵被用于在分类问题上对准确率的一种评估形式，我们经常通过观察混淆矩阵的对角线来评估出模型的分类效果，最理想的结果就是所有的数据都在对角线上，那么说明分类精度最高，下面看一个例子：可以看到预测数据集是["ant", "ant", "cat", "cat", "ant", "cat"]，标签数据集是["cat", "ant", "cat&

总体精度是在分类问题上常用的指标，通常都是使用基于sk-learn的api来计算模型最终在测试数据集上的总体精度，总体精度（OA）与平均精度（AA）不同，总体精度是模型在所有测试集上预测正确的与总体数量之间的比值，平均精度是每一类预测正确的与每一类总体数量之间的比值，最终再取每一类的精度的平均值。normalize = False，这个参数表示返回正确的个数...

在kaggle比赛中，经常需要提交log loss，对数损失是经常用到的一个评价指标。其定义为给定概率分类器预测的真实标签的负对数似然率。每一个样本的对数损失就是在给定真实样本标签的条件下，分类器的负对数似然函数：   -log P(yt|yp) = -(yt log(yp) + (1 - yt) log(1 - yp))当某个样本的真实标签y=1时，loss=-log

sk-learn中提供了对数据集进行打乱划分的函数，StratifiedShuffleSplit（）是非常实用的函数，数据集在进行划分之前，首先是需要进行打乱操作，否则容易产生过拟合，模型泛化能力下降。sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, test_size=’default’, train_size=None, r...

openvc中morphologyEx（）函数是一种心态学变化函数。数学形态学可以理解为一种滤波行为，因此也称为形态学滤波。滤波中用到的滤波器(kernal)，在形态学中称为结构元素。结构元素往往是由一个特殊的形状构成,如线条、矩形、圆等。 开运算(open)：先腐蚀后膨胀的过程。开运算可以用来消除小黑点，在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。

cv2.getStructuringElement( ) 返回指定形状和尺寸的结构元素。这个函数的第一个参数表示内核的形状，有三种形状可以选择。矩形：MORPH_RECT;交叉形：MORPH_CROSS;椭圆形：MORPH_ELLIPSE;第二和第三个参数分别是内核的尺寸以及锚点的位置。一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getSt...