小木的博客

大家好，我是小木，没想到吧，我又回来了，啊哈哈哈。之前几天我肠胃感冒，所以我的博客就一直没有更新。但我小木是打不死的小强，这次继续回来讲解啦！本次课程我主讲的内容是计算机视觉。为什么小木我要开这次课程呢？很简单，因为我之前读了一本书，叫做《OPENCV3 计算机视觉 PYTHON语言实现》。读了这本书，不知道是翻译没翻译好，还是国外的作者写的不好，读起来语句不通，知识概念模糊，稍有常识的人都会知道...

上一讲小木我讲解了图片的读取，保存。视频的读取、保存、以及如何调用摄像头。这节课我们要将这些东西给合而为一。怎么合而为一呢，美国的天才，也就是《OPENCV3 计算机视觉 PYTHON语言实现》这本书的作者，他做了一个程序叫做Cameo。这个程序集合了所有的方法。那么这个程序包括两个文件，分别是cameo.py和manager.py，接下来我展示一下：# cameo.py# cameo.pyim...

我们今天来学习第三讲，第三讲我们主要讲解的是滤波器。滤波器听着名字倒是挺TMD高大上，但是呢，名字叫的NB不一定就真NB。比如X门大学的XX良，又是奖学金获得者，又是保研保博的人，但是她的智商捉急啊。真正的坏人都找不到，却侮辱我们中国的普通人，还说自己的母校是野鸡大学。对于这个XX良的评价我就到这里了，点到为止，我还是说一下什么叫做滤波器，滤波器名字顾名思义，就是能够把原始数据过滤掉一部分的一种机...

大家好，我们又见面了，今天我们主讲的内容只有一个，那就是腐蚀膨胀，我也懒惰一回啦，别的就不讲啦，哈哈哈。首先我来说一下什么是腐蚀：腐蚀腐蚀就是是将灰度值小的像素点给扩展了，用来去除比较亮的（灰度值大的）噪点。假如我们现在有一张灰度图和一个卷积核：我们要用左边的6*6的图和右边的卷积核做卷积。其中，图片中黑色的矩形区域表示亮度大的位置，白色的小矩形区域表示亮度小的位置。我们这次做的卷积和我们上节课...

大家好，好快哦，今天是第五讲了，现在的时间是2018年5月27日，很快5月份就结束了，也就是说半年的时间就过去了，我过年的事儿还能记住呢。曾经有一个姓张的同学说过，时间随着年龄的增长会越来越快。以1岁时候过一年的时间来说，要是20岁就只有二十分之一的长度了。速度快了20倍。这个理论很有意思。我这个快30岁的人，时间确实过的飞快啊。先说一下上节课的问题，上节课在开闭运算的时候有一个第八个参数叫做：m...

大家好，欢迎收听小木的第六讲，第六讲我们主要讲的内容是轮廓检测。说道轮廓检测。轮廓怎么检测呢，那么我们就要引入一个轮廓检测算法：这个算法是日本的铃木桑发明的。这位日本人写了一篇论文，叫做：Topological structural analysis of digitized binary images by border following，百度文库上面有下载地址：https://wenku.b...

我们在计算完成之后，我们会得到一个新的蒙版，这个蒙版里面包含了0~3的4种数据，而我们按照上述的方法进行计算，算法会判断哪些可能是前景，哪些可能是背景。因此，我们令蒙版中等于2的数据为0，也就是可能是背景的地方为0，然后令3为1，也就是前景的地方为1。在计算完毕后，如果是背景，那么仍然为0，如果是前景，那么为1。在新图层中，我们用白色的刷子，把那些本来应该是前景，但是却没算成前景的地方给标记出来，然后把应该是背景的地方，但是却搞错的用黑色标记，剩下不改变的地方用灰色标记。额，又是小熊，为啥博主总是用它呢？

这节课小木给大家来介绍一下啥叫分水岭算法。书上写着，算法叫做分水岭是因为它里面有水的概念。我们把图像的低密度区域想象成山谷，图像高密度区域我们想象成山峰。接下来我们往山谷里面注水，然后这些水在山峰之间开始汇聚，等一开始汇聚，我们就用一个水坝给阻挡了，阻挡的东西就叫做分割线。我们最后把所有水坝挑出来，作为图像分割的依据。具体的推导过程我下几节课会给大家讲解，这节课还是一样，教的是怎么用。首先，我们导...

上述情况中，max_line_gap这个值为1，也就是走一个格子检测一下是否有极坐标值交点（ρ值相同），如果要是max_line_gap这个值不为1，为5，那就是说，我沿着这个角度一直往前走，先走5个点，如果这5个点中有2个点和（X1,Y1)的ρ值相同，那么就可以认为是一条直线，然后我们接着往下面走，再走5个点走到第10个点后，里面需要再有一个点和（X1,Y1)的ρ值相同；我们想象一下，如图8所示，如果有三个点，这三个点在霍夫空间的曲线是交于一点的，那么三个点肯定在一条直线上。计算，一共8*8=64个数。

我们选择0~255之间的一个值，比如150，然后小于等于150都给它变成0，大于150的都给他变为255，这样，我们的图里面就只有两个颜色（黑、白）了。（3）然后我们从阈值为0开始，进行阈值分割为{G1，G2}两组，分别为小于0组G1，大于等于0的组G2。我们发现，这里面亮的点不少（接近255），暗的很少（接近0），不亮不暗的占大多数（中间的值）当我们求完阈值为0的情况的方差之后，我们进行阈值为1，2，3。那究竟怎么转换的呢？我们现在有一张彩色图，我们给它用黑白的方式变现，就形成灰度图，如图所示。

我们会发现，在这条线上面的任意一个点，Y方向的像素值没有变化，而X方向移动一格，像素值变化很大。这就说是（2）的情况，也就是特征值一个大一个小。我们把绿色的点再往上面移动，我们会发现像素都是白色了，Y方向、X方向移动一格，像素值都毫无变化，这就是（1）的情况，是平坦区域。这一点Y方向、X方向移动一格，像素值都变化很大，所以这个点是（3）情况，特征值两个都大，是角点。特征值表示2个方向上的变化（变化最快和最慢的方向），特征值大变化快，特征值小变化慢；其中，x，y表示像素点，u、v表示水平竖直方向的偏移量；