深度学习——OpenCV核心操作（1）

最新推荐文章于 2023-08-31 07:53:07 发布
最新推荐文章于 2023-08-31 07:53:07 发布
阅读量241 收藏 1
点赞数 1
分类专栏： OpenCV 深度学习 文章标签： opencv 边缘检测 图像识别 cv 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wa1tzy/article/details/106629705
版权
本文介绍了OpenCV在深度学习中的基本操作，包括读取、写入和保存图像，色彩空间转换（如HSV），方便颜色提取；详细讲解了基本图形绘制、阈值操作（如OTSU二值化、自适应阈值）以及图像运算，如混合和按位运算，为后续的计算机视觉应用打下基础。
摘要由CSDN通过智能技术生成

一、基本操作

1.OpenCV读取、写入和保存图像
读取/保存

存储空间：w*h*c*p(p是位宽)

位宽：一个数据在内存占多少位，一个位用0或1表示，8位=1字节，rgb存储最大值是255

压缩：分为有损压缩和无损压缩

jpg是对位图进行了压缩，jpg是有损压缩

png一般4个通道，α透明度

import cv2

img = cv2.imread(r"1.jpg"，0)#0代表灰度图
# print(type(img)) # <class 'numpy.ndarray'>
了解本专栏 订阅专栏 解锁全文 超级会员免费看
wa1tzy
关注
专栏目录
订阅专栏
OpenCV实战（33）——OpenCV与深度学习的碰撞
盼小辉丶的博客
10-10 1万+
在本文中，我们首先通过 cv2::dnn::blobFromImage() 和 cv2::dnn::blobFromImages() 函数了解了如何在 OpenCV 中构建网络输入 blob，然后通过实战学习将流行的深度学习模型架构应用于目标检测任务中，构建 OpenCV 计算机视觉项目。
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
热门推荐
盼小辉丶的博客
08-10 22万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
个人整理的opencv最基本入门资料.pdf
05-10
总结的opencv初学者的基础知识。对于想入门的同学是个不错的选择
Opencv-二值图像
weixin_41709536的博客
09-17 1868
二值图像知识点python代码c++代码 知识点 二值图像介绍 二值图像就是只有黑白两种颜色表示的图像，其中0 – 表示黑色， 1 – 表示白色(255) 。二值图像处理与分析在机器视觉与机器人视觉中非常重要，涉及到非常多的图像处理相关的知识，常见的二值图像分析包括轮廓分析、对象测量、轮廓匹配与识别、形态学处理与分割、各种形状检测与拟合、投影与逻辑操作、轮廓特征提取与编码等。此外图像二值化的方法也...
OpenCV 关于数据的储存
笨笨个人笔记
10-20 1593
Mat_对应的是CV_8U， Mat_对应的是CV_8S， Mat_对应的是CV_32S， Mat_对应的是CV_32F， Mat_对应的是CV_64F， 对应的数据深度如下： • CV_8U - 8-bit unsigned integers ( 0..255 ) • CV_8S - 8-bit signed integers ( -128..127 ) • CV_16U - 16-bit ...
png 与 jpg的区别，以及图片压缩
阿莹yes的博客
05-18 1921
此篇是阅读https://www.jianshu.com/p/53f93a917799，https://blog.csdn.net/LHHopencv/article/details/76066664，https://www.jianshu.com/p/5ad19825a3d0三篇文章后总结而出。 区别 创建年份 有损无损 支持颜色数 支持透明 缺点 GIF 87年 无损 256种颜色(8bit彩色) 支持单一透明 JPG 92年 失真压缩标准方法 24bit彩色 不支持透明 不.
OpenCV实战（2）——OpenCV核心数据结构
盼小辉丶的博客
11-16 4万+
cv::Mat 类是用于保存图像(以及其他矩阵数据)的数据结构，该数据结构是所有 OpenCV 类和函数的核心，这是 OpenCV 库的一个关键元素，用于处理图像和矩阵(从计算和数学的角度来看，图像本质上是一个矩阵)，同时 cv::Mat 数据结构结合了优雅的内存管理机制，因此，使用起来十分高效。本节中，我们介绍了 cv::Mat 结构的基本用法，并且深入探索了创建 cv::Mat 数据结构时的内存分配方式。
OpenCV实战（1）——OpenCV与图像处理基础
盼小辉丶的博客
10-24 6万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
OpenCV实战（30）——OpenCV与机器学习的碰撞
最新发布
盼小辉丶的博客
08-31 1万+
随着人工智能的发展，许多机器学习算法开始用于解决机器视觉问题。机器学习是一个广泛的研究领域，包含许多重要的概念，本节我们将介绍一些主要的机器学习技术，并介绍如何使用 OpenCV 在计算机视觉系统中应用这些技术。
利用深度学习识别数字字符代码_深度学习——OpenCV实现银行卡号识别，字符识别算法你知多少？...
weixin_36427002的博客
01-26 843
以下文章来源于AI科技大本营 ，作者李秋键随着计算机视觉在我们生活中的应用越来越广泛，大量的字符识别和提取应用逐渐变得越来越受欢迎，同时也便利了我们的生活。像我们生活中的凭借身份码取快递、超市扫码支付的机器等等。字符识别是模式识别的一个重要应用，首先提取待识别字符的特征；然后对提取出来的特征跟字符模板的特征匹配；最后根据准则判定该字符所属的类别。不同的训练方法，不同的特征提取， 不同的匹配规则，就...
深度学习部署·OpenVINO Toolkit——OpenCV-contrib及contrib模块编译安装与CMake链接
Mr_DreamQ的博客
03-12 5744
OpenVINO™ Toolkit——安装OpenCV-contrib模块及CMake链接 文章目录OpenVINO™ Toolkit——安装OpenCV-contrib模块及CMake链接OpenCV及contrib模块源码编译下载cmake-gui配置命令行配置编译CMake链接指定OpenCV及InferEngine路径 ​ 由于OpenVINO 2018 R2及后续版本都自带了OpenCV，在开发时不做特殊说明，都会默认链接OpenVINO自带的OpenCV。然而其自带的OpenCV并不包含Cont
YOLOv5系列（3）——YOLOv5修改网络结构
wa1tzy的博客
03-07 3万+
文章目录一、设置网络结构为mobilenet-V2二、添加注意力模块 一、设置网络结构为mobilenet-V2 首先，需要在models/common.py里，实现MobileNetv2的 bottleneck 和 Pwconv。 1、Mobilenetv2的bottleneck: InvertedResidual #mobilenet Bottleneck InvertedResidual class BottleneckMOB(nn.Module): #c1:inp c2:oup
DeepLearing—CV系列（十四）——YOLOv5理论详解+Pytorch源码解析
wa1tzy的博客
06-26 2万+
文章目录前言——从YOLOv3到YOLOv5二、网络结构二、代码解析2.1 运行起来项目2.2 先放官网大图 YOLOv5官方Pytorch实现：https://github.com/ultralytics/yolov5 前言——从YOLOv3到YOLOv5 YOLOv3 YOLO原项目darknet（官方）截止2020年5月31日，并没有更新添加这个"YOLOv5"的链接。最新的一次update还是上个月YOLOv4重磅出炉的那次，官方正式添加了YOLOv4项目链接。 "YOLOv5"的项目团队是Ult
二进制与base64
wa1tzy的博客
03-29 1万+
二进制与base64 函数使用 def base64_to_image(base64_code): img_data = base64.b64decode(base64_code) img_array = numpy.fromstring(img_data, numpy.uint8) image_base64_dec = cv2.imdecode(img_array, cv2.COLOR_RGB2BGR) return image_base64_dec def image_
YOLOv5系列（2）——YOLOv5导出jit，onnx，engine
wa1tzy的博客
03-06 8202
文章目录一、YOLOv5导出jit二、YOLOv5导出onnx三、使用onnx四、YOLOv5导出engine（tensorrt/trt）五、总结所有代码5.1 models/common.py5.2 models/yolo.py5.3 test00.py5.4 onnx_export.py(test01.py)5.5 models/yolov5s.yaml5.6 pkg/common.py5.7 engine_export.py(test03.py) 做个YOLOv5的专题，这部分写一些YOLOv5的工程
使用yolov5训练自己的数据集——科大讯飞X光安检图像识别baseline
wa1tzy的博客
08-05 6993
文章目录1、创建数据集的配置文件mydataset.yaml2、创建标注文件3、组织训练集的目录4、选择模型backbone进行模型配置文件的修改5、Train6、Visualize7、已有图像和xml制作标签的过程7.1 check_img.py7.2 check_box.py7.3 rain_val_split.py7.4 myData_label.py 1、创建数据集的配置文件mydataset.yaml # train and val datasets (image directory or *.t
Pytorch项目打包和部署（1）——理论
wa1tzy的博客
07-13 5367
文章目录一、什么是模型打包部署二、模型打包部署的作用三、学习模型打包部署的目的四、模型部署语言五、模型部署平台六、模型部署设备七、模型部署方式八、模型部署接口九、模型部署相关工具十、模型可视化 先上Pytorch官网：Pytorch 一、什么是模型打包部署 模型打包就是把程序化的模块打包成一个能在指定平台上可执行文件。 Pytorch中的打包和调用方法： torch.save() torch.load() 模型部署就是将打包好的文件在指定的平台上进行部署实施，使其能够正常使用。 二、模型打包部署的作用 模型
DeepLearing—CV系列（二十三）——一维卷积或GRU处理电信号、一维卷积、转置卷积的详解
wa1tzy的博客
06-30 4950
文章目录一、一维卷积1.1 介绍1.2 类别1.2.1 一维Full卷积1.2.2 一维Same卷积1.2.3 一维Valid卷积1.3 具备深度的一维卷积1.4 具备深度的张量与多个卷积核的卷积二、转置卷积2.1 定义2.2 过程2.3 计算2.4 转置卷积的缺点2.5 转置卷积的棋盘效应2.5.1 产生原因2.5.2 解决方案：三、一维卷积应用场景四、转置卷积应用场景五、代码5.1 net.py5.2 sample_train5.3 Train.py5.4 信号拟合效果展示 一、一维卷积 1.1 介绍
使用yolov4训练自己的数据集——科大讯飞X光安检图像识别baseline
wa1tzy的博客
08-05 4892
文章目录一、cfg文件修改二、data/下新建配置文件三、创建标注文件四、划分训练集、验证集与对应标签4.1 split_data.py4.2 xml2txt.py4.3 creattxt.py五、训练六、推理 一、cfg文件修改 创建yolov4-mydatasets.cfg，因为我用了yolov4.cfg训练太吃显存，2080TI的机子batchsize设置为2也会爆显存。其主要原因是mish函数太占显存了。 修改的地方： 将mish函数替代为relu函数，大大降低显存使用！ 另外filters设置为：
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wa1tzy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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、付费专栏及课程。

余额充值