- 博客(6)
- 收藏
- 关注
RSS订阅原创 CV-车辆统计
bgsubmog = cv2.bgsegm.createBackgroundSubtractorMOG() # 去背景方法。# 查找轮廓 返回轮廓cnt和层级关系ceng。if key == 27: # 键盘中的ESC。# 以验证是否是有效的车辆。# 对车辆的宽高进行判断。# 到这的都是有效的车。while True: # 逐帧读取。# 设置检测线的高度 和其 偏移量。# 形态学kernel。
2024-03-08 19:05:14
346
1
原创 CV-图像拼接
返回的分别是第一张图的匹配点和第二张图的匹配点。# 2、通过特征转换对象获得特征点和描述子。# 过滤，对匹配点进行优化，获取优秀匹配点。# 通过特征点坐标计算单应性矩阵H。# 2、根据特征点和计算描述子，得到单应性矩阵。# 5、过滤特征、找出有效的特征匹配点。# 对两张图进行特征点和描述子的计算。# 1、获得图像的4个角点。# 获取原始图像的高、宽。# 1、创建特征转换对象。# 对描述子进行匹配计算。# 2、对图片进行变换。# 3、创建特征匹配器。# 4、图像拼接并且输出图像。# 4、进行特征匹配。
2024-03-08 19:03:26
389
1
原创 CV中简单的使用DNN
scalefactor:缩放因子，修改为固定张量(224,224),(104, 117, 123)默认输入值。print('第', i + 1, '项,匹配', classes[z[i]], end='')print('类所在行', z[i] + 1, ' ', '可能性：', order[i])# 输入 - 卷积 - 池化 - 卷积... - 全连接 - 输出。# 图片分类、检索，目标定位检测，目标分割，人脸识别。# 3、将图片转成张量，送入深度神经网络。# 1、读取模型，并得到深度神经网络。
2024-03-08 19:01:00
600
1
原创 一些关于工业相机的基本知识和基础问题
通常面阵相机的分辨率用水平和垂直分辨率两个数字表示，如：1920（H）x 1080(V)，前面的数字表示每行的像元数量，即共有1920个像元，后面的数字表示像元的行数，即1080 行。但是CCD为了读出整幅图像信号，要求输出放大器的信号带宽较宽，而在CMOS 芯片中，每个像元中的放大器的带宽要求较低，大大降低了芯片的功耗，这就是。：设计不良的工业相机之所以会发生丢帧的现象，其实就是资料通道的堵塞，无法及时处理,所以新的图像进来时，前一张可能被迫丢弃，或是新的图像被迫丢弃。，芯片级相机概念就是从这产生的。
2023-09-04 13:53:14
347
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人