OpenCV
王纯月
靡不有初,鲜克有终。
展开
-
【代码篇】图像分类任务辅助标注:决策树的使用
做图像分类标注时,先标注一部分数据,然后计算这些图像的特征信息,见【代码篇】图像预处理阶段:提取图像特征,利用这些特征信息及分类标签训练一个决策树模型,最后再利用这个决策树模型分类剩下的数据,进而减少工作量。原创 2022-12-25 12:52:52 · 299 阅读 · 0 评论 -
【代码篇】图像预处理阶段:提取图像特征
需要提取的图像特征:1.文件大小;2.宽;3.高;4.图片尺寸;5.图像梯度(表征图像纹理的复杂程度);6.sobel算子(表征图像复杂度);7.色彩丰富度;8.无参考图像评价指标NIQE。最后根据上述图像信息可对相同的图片进行去重操作。原创 2022-12-25 12:21:45 · 1054 阅读 · 0 评论 -
【代码篇】计算两张图片的偏移量
计算两张图片的偏移量原创 2022-11-08 13:48:20 · 3215 阅读 · 0 评论 -
【理论篇】HOG特征描述算子
HOG特征前言1 理论1.1 梯度计算1.2 分网格的梯度方向直方图1.3 块描述子1.4 块描述子归一化2 代码前言HOG全称histogram of oriented gradients.就是根据方向梯度直方图寻找图像的特征。它可以用来表示图像的物体特征,因此能够检测出这类物体。(下图就是HOG提取的特征)HOG特征描述子提取过程:灰度图像转换梯度计算分网格的梯度方向直方图块描述子块描述子归一化1 理论1.1 梯度计算为了得到梯度直方图,那么首先需要计算水平和垂直梯度,这可以原创 2020-07-06 22:34:55 · 1169 阅读 · 0 评论 -
【理论篇】Haar特征描述算子
Haar分类器前言1. 理论1.1 Haar-like特征1.2 积分图1.3 AdaBoost算法1.4 筛选式级联2. 代码(人脸检测)前言以前的人脸检测都是基于像素,基于统计学的概念进行研究。有了Haar之后,人脸检测分类器才出现,准确率也得到了提高。Haar分类器 = Haar-like小波特征 + 积分图方法 + AdaBoost +级联Haar分类器算法的要点如下:使用Haar-like特征做检测。使用积分图(Integral Image)对Haar-like特征求值进行加原创 2020-07-02 21:34:54 · 1285 阅读 · 0 评论 -
【理论篇】LBP特征描述算子
LBP特征描述算子-人脸检测1. 原理2. 对LBP特征向量进行提取2.1 步骤2.2 代码1. 原理进展原始的LBP算子圆形LBP算子旋转不变性的 LBP 算子LBP等价模式定义在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0将 3×3 邻域扩展到任意邻域,并用圆形邻域代替了正方形邻域,改进后的 LBP 算子允许在半径为 R 的圆形邻域内有任意多个像素点通过不断旋转圆形邻域得到原创 2020-06-28 17:15:20 · 338 阅读 · 0 评论 -
【理论篇】Harris特征点检测
我之前利用四个角点的位置特征找到了四个角点,详见:透视变换法校正轮廓(全过程) | python代码Harris角点检测1. 原理1. 原理原图:效果图:原创 2020-06-23 23:06:11 · 373 阅读 · 1 评论 -
【代码篇】读取图片中曲线的坐标值(python版)
任务:识别该图片中每隔0.01s的荷载数据,并导入到Excel中。思路:1. 预处理图片2. 截取竖条2.1 代码import cv2from PIL import Imageimport sysdef cut_image(image): width, height = image.size print(width, height) item_width = int(width / 800) box_list = [] # (left, u原创 2020-06-11 20:50:10 · 8129 阅读 · 10 评论