算子用法
不爱学习 未完待续
这个作者很懒,什么都没留下…
展开
-
Halcon的ocr识别例程
以halcon中的案例ocr_lot_number为例: 1.读取分类器 read_ocr_class_mlp (‘DotPrint’, OCRHandle)2.进行识别 do_ocr_word_mlp (Characters, Image, OCRHandle, ‘\d{5}[A-Z]{1}’, 3, 2, Class, Confidence, Word, Score) 这里的Cha...原创 2018-08-22 11:44:43 · 3224 阅读 · 0 评论 -
Adaboost学习笔记
一、Adaptive basis function models1.kernel methodskernel是度量x和u之间的距离的函数,也可以放在loss fuction中。kernel的形式有高斯kernel、球形kernel、cos距离(在nlp中用得很多,第j个word在第i个里面出现的次数)、RF kernel。怎么定义好kernel:如果想度量两幅图像的距离。kernel的...原创 2019-05-08 16:14:20 · 360 阅读 · 0 评论 -
BRISK算法学习笔记
一、部分原文解读1.尺度空间关键点检测 兴趣点用一个显著性标准在图像和尺度空间进行识别。为了加快计算的效率,关键点可以在金字塔图像的层或者层之间进行检测。每个关键点的位置和尺度通过二次函数拟合的方式在持续的区域获得。2.关键点描述 一个由依靠合适的尺度中心圆的点组成的采样方式是应用在每个关键点的邻域上来恢复灰度值:计算局部梯度强度的过程中,特征的方向可...原创 2018-11-21 14:44:10 · 5169 阅读 · 2 评论 -
SIFT算法原文解析
一、整体概括 在David G.Lowe的《Distinctive Image Features from Scale-Invariant Keypoints》中讲解了有很多特性的图像特征,这些特征在不同图像的物体中或者场景中都是很适用的。这些特征具有尺度不变性和旋转不变性,尤其在光照和3D相机视角改变时具有不变性。它们在空间和频域下都能进行良好地定位,降低了由于闭塞、杂乱和噪声代...原创 2018-11-12 09:17:46 · 3031 阅读 · 0 评论 -
Harris角点
大部分搬运:http://www.cnblogs.com/ronny/p/4009425.html一、理论知识Harris角点是在1981的Moravec的角点理论的基础上再1988由Harris提出的。因此,先说明Moravec的角点理论。Moravec角点说明的从方向(1,0),(0,1),(1,1),(-1,1)四个方向出发的像素的变化值,它有三种情况: (1)如...原创 2018-11-06 17:23:43 · 898 阅读 · 0 评论 -
傅里叶变换的应用
傅立叶变换是一种线性的积分变换,常在将信号在时域(或空域)和频域之间变换时使用,在物理学和工程学中有许多应用。 根据查询资料的显示,个人感觉傅里叶正变换应用之一是要转到频域上去去燥,去除污染以及找到在时域上不明显而在频域上明显的信息;傅里叶反变换是要复原图像。1.先对傅里叶变换去燥以及复原图像进行说明:以下图为例进行傅里叶变换之后,在频域上表示为信息出现的频率,其中上图右...原创 2018-09-25 18:27:03 · 16288 阅读 · 0 评论 -
halcon中lines_color,lines_gauss
lines_color,lines_gausslines_color:提取有颜色的线的轮廓及宽度; lines_gauss:提取较弯曲或灰度的线的轮廓及宽度。 为了显示轮廓及线宽,通常要用: get_contour_attrib_xld (Line, ‘width_right’, WidthR) get_contour_attrib_xld (Line,...原创 2018-08-21 11:56:27 · 2321 阅读 · 5 评论 -
利用halcon分离分别为大的,小的,亮的,暗的的物体
这里以示例程序里的particle.hdev为例: 如图所示:要提取图中较暗部分的小颗粒。目标object小且暗,为了提取会想到用emphasize增强,但是其中的干扰物体为大的亮的物体,增强作用可能不大。 示例程序中的算法思路为: 1.去除干扰的大而亮的物体 (1)将大而亮的物体提取出来:全局阈值 threshold (Image, Large, 1...原创 2018-08-22 15:30:27 · 4299 阅读 · 0 评论 -
决策树和随机森林笔记
一、决策树给定一个数据表怎么画决策树。每个内部节点表示在一个属性上的测试,每一个分支代表一个测试输出,1. 以实例为基础的归纳信息。决策树的建立过程是一个递归的过程。以信息熵为度量构造一颗熵值下降信息的过程。信息越多,不确定性越小。决策树的建立过程是熵不断的下降过程。哪种下降更快,则以它作为优先节点。决策树的生成过程是贪心法,每一步都求当前最优。决策树可以自学习。不需要使用者了解背景,...原创 2019-06-12 09:17:30 · 282 阅读 · 0 评论