自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 资源 (1)
  • 收藏
  • 关注

原创 Python计算机视觉编程 - 第九章 图像分割

摘要帝国大厦X1.graphcut图像分割1.1原理简述我们目标是将一幅图像分为目标和背景两个不相交的部分,我们运用graphcut图分割技术来实现。首先,图由顶点和边来组成,边有权值。那我们需要构建一个图,这个图有两类顶点,两类边和两类权值。普通顶点由图像每个像素组成,然后每两个邻域像素之间存在一条边,它的权值由上面说的“边界平滑能量项”来决定。还有两个终端顶点s(目标)和t(背景),...

2019-06-11 15:18:38 419

原创 Python计算机视觉编程 - LeNet卷积模型实现Mnist手写体训练

摘要1.看mnist数据库特点(自己写),挑战在哪里 缺失 不规则 旋转2.LeNet-5原理3.数值化结果1.mnist数据库特点MNIST数据集是一个手写数字数据集,每一张图片都是0到9中的单个数字。MNIST数据库的来源是两个数据库的混合,一个来自Census Bureau employees(SD-3),一个来自high-school students(SD-1);有训练样本6...

2019-06-02 22:14:13 928 2

原创 Python计算机视觉编程 - 第八章 图像内容分类 -knn分类及可视化、dense sift原理、手势识别

1.K-NN原理介绍K近邻算法(K-NN)算法是一种简单但也很常用的分类算法,它也可以应用于回归计算。K-NN是无参数学习,这意味着它不会对底层数据的分布做出任何假设。它是基于实例,即该算法没有显式地学习模型。相反,它选择的是记忆训练实例,并在一个有监督的学习环境中使用。KNN算法的实现过程主要包括距离计算方式的选择、k值得选取以及分类的决策规则三部分。1.1.距离计算方式的选择选择一种距离...

2019-05-19 20:13:31 781

原创 Python计算机视觉编程 - 第七章 图像搜索 -基于bag of words的图像检索

1、基于bag of words的图像检索基本步骤1.1. 特征提取1.2. 学习 “视觉词典(visual vocabulary)”1.3. 针对输入特征集,根据视觉词典进行量化1.4. 把输入图像转化成视觉单词(visual words)的频率直方图1.5. 构造特征到图像的倒排表,通过倒排表快速索引相关图像1.6. 根据索引结果进行直方图匹配2代码及运行结果在运行代码前...

2019-05-11 16:50:47 1526

原创 Python计算机视觉编程 - 第五章 多视图几何 -基础矩阵

F:[[ 2.79581382e-06 -7.78641696e-06 5.09004126e-03][ 1.21599362e-05 -8.33557647e-07 3.61811421e-03][-7.47814732e-03 -5.23955075e-03 1.00000000e+00]]P2:[[ 4.01666559e+00 2.85513028e+00 7.891...

2019-04-17 21:20:29 572 1

原创 Python计算机视觉编程 - 第五章 多视图几何 -张正友相机标定法

本次实验的内容是单平面棋盘格的摄像机标定方法,张正友相机标定法。本次实验使用的手机型号为:IPHONE6SP实验用棋盘例图:1原理简述我们拍摄的物体都处于三维世界坐标系中,而相机拍摄时镜头看到的是三维相机坐标系,成像时三维相机坐标系向二维图像坐标系转换。不同的镜头成像时的转换矩阵不同,同时可能引入失真,标定的作用是近似地估算出转换矩阵和失真系数。为了估算,需要知道若干点的三维世界坐标系中...

2019-04-14 13:03:51 755 1

原创 Python计算机视觉编程 - 第四章 照相机模型与增强现实 -增强现实

1.以平面和标记物进行姿态估计在第三章中,我们学习了如何从平面间估计单应性矩阵,若图像中包含平面状的标记物体,并且已经对照相机进行了标定,那么我们可以计算出照相机的姿态(旋转和平移)。我们使用照相机拍摄了两幅图像,两张图像都存在平面状的标记物体,先提取两幅图像的SIFT特征,然后使用RANSAC算法稳健估计单应性矩阵。通过单应性矩阵和照相机的标定矩阵,我们可以得出两个视图之间的相对变换。代码:...

2019-04-06 17:22:16 709 1

原创 Python计算机视觉编程 - 第三章 图像映射 -全景拼接

本次测试中使用的所有图片均为500x375(或375x500)像素的jpg图片。备注:用于测试的图片全部来自福建省厦门集美大学。1全景拼接原理简述在同一位置拍摄的两幅或者多幅图片是单应性相关的,我们经常使用该约束将很多图像缝补起来,拼成一个全景图。全景图像拼接最重要的两个步骤是:1.特征匹配;2图像拼接。在本次测试中,我使用的是sift特征匹配,其原理在此不再详细阐述(第二章 图像局部...

2019-03-31 20:22:21 1032 1

原创 Python计算机视觉编程 - 第三章 图像映射 -图像嵌入

这次我们进行的是warp中image_in_image函数的实验原函数如下def image_in_image(im1,im2,tp):“”" Put im1 in im2 with an affine transformationsuch that corners are as close to tp as possible.tp are homogeneous and counter...

2019-03-19 15:25:57 1385 3

原创 Python计算机视觉编程 - 第二章 图像局部描述符 -SIFT特征匹配

本次测试以sift特征匹配处理结果做对比为主,Harris特征匹配处理结果为辅做对比用途。本次测试中使用的所有图片均为500x375像素的jpg图片。1.SIFT特征原理描述SIFT是尺度不变特征变换,其过程包括兴趣点的采集和描述子。SIFT的描述子具有很强的稳健性,这也是SIFT特征成功和流行的主要原因。SIFT特征使用高斯差分函数来定位兴趣点:Gσ是二维高斯核,Iσ是Gσ模糊的灰度...

2019-03-17 21:31:04 1920 4

原创 Python计算机视觉编程 - 第一章 图像处理基础 -实例测试

在安装和配置完pycharm+OpenCV后,我进行了一些实例的测试。使用PIL-Python图像库、Matplotlib库、NumPy库、SciPy模块分别尝试了两个例子。1.1PIL-Python图像库1.1.1 显示图像from PIL import Imagefrom pylab import *from matplotlib.font_manager import FontP...

2019-03-06 12:05:20 2036

原创 pycharm+OpenCV的安装调试

pycharm+OpenCV的安装调试关于python的版本,IDE,opencv版本我最终使用的python版本是3.6.7,使用的IDE是pycharm2018.1并通过pip安装了 opencv_python-3.4.5-cp36-cp36m-win_amd64.whl安装过程中出现的问题最初使用的是Anaconda,因为安装opencv过程中出现了很多错误,且安装过程过慢而放弃...

2019-03-05 22:23:50 3083

EasyTouch4

打开Unity后选择导入就可使用。随手粘一个别人的使用教程:https://blog.csdn.net/qq_15020543/article/details/83038775

2019-12-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除