学计算机cv怎么样,计算机视觉(CV)

质：工业级，企业级，设计。

量：高效，优化。

核心功能：匹配定位，测量，图像检测，分类，条码识别

鲁棒图像算法

图像处理。CV典型底层算法

后处理：图像增强，融合，分割，深度提取，目标检测

优先：机器学习典型方法，典型分类器的方法使用特点，深度学习的设计与优化

优先：3D成像原理和算法

深度学习框架：caffe，tensorflow，PyTorch，keras

图像种物体匹配定位

灰度图 = 红/蓝通道(原图)

去噪图 = 中值滤波(灰度图)

轮廓矩阵 = 去噪图.二值图(闭运算)

1车牌提取过程：

1.1获取，定位，分割，字符识别

2定位提取

2.1灰度化

2.2Candy边缘检测

2.3形态学(膨胀腐蚀)处理

2.4轮廓处理

2.5自适应二值化处理

3提取的分割

3.1像素值判断

3.2确认字符位置

定位

·颜色分割，纹理分割，边缘检测分割，数学形态法的分割

字符分割

——分割算法：直接分割，基于识别基础上的分割，自适应分割线类聚法

提取

——灰度化，Candy边缘检测，形态学(膨胀腐蚀)处理，轮廓处理，自适应二值化处理，字符提取分割

灰度化

Mat grayImage;

cvtColor(image, grayImage, CV_RGB2GRAY);

imshow(“test”, grayImage);

Candy边缘检测，算字，方向性质，边缘强度，边缘强度方向强度；抗噪声，弱边缘

(1)去噪

像素杂讯无影响的模糊图blurred = 卷积(原始数据，高斯Mask)

(2)梯度的振幅和方向 = 一阶偏导的有限差(像素杂讯无影响模糊图blurred)

(3)梯度幅值1 = 非极大值抑制(梯度幅值)

细定位

含车牌的图 = 二值化(去噪完成图)

含车牌的图(小区域，密集，多个字符；字符，底色强烈对比；区域长宽固定)

//Candy/sobel 边缘检测：

Mat candyImage;

Candy(blurImage, canImage, 500, 200 ,3);

//imshow(“test”, candyImage);

形态学(膨胀腐蚀)处理

opencv基于人工神经网络的字母识别