7.数据处理
文章平均质量分 53
数据处理
YANQ662
这个作者很懒,什么都没留下…
展开
-
4.4 不要循环的二维图片的卷积核的均值运算(python)
对每个卷积核求均值的运算,这里是整张图片的所有像素同时计算,而不是遍历每个像素计算。如果有不理解的地方,可以对代码的每个for循环进行print,看它们的结果再去理解。原创 2024-03-09 22:50:49 · 221 阅读 · 0 评论 -
4.3 DBSCAN聚类算法(自己写的函数python)
代码中的第一个函数是聚类算法,输入的参数是灰度图片,聚类的半径,和成为类的最少点的个数。建议使用该算法时尽量减小数据量,如果图片的像素很大,可以截取成几个部分进行聚类。原创 2024-03-08 17:09:12 · 234 阅读 · 0 评论 -
4.2 比多数opencv函数效果更好的二值化(python)
以上图片处理的方式用了BatchNorm处理和Xsilu处理,最后感觉这种效果还可以,尤其是在强光下的效果。原图 二值化图。原图 二值化图。第二张光线比较暗的图。原创 2024-03-05 14:32:56 · 231 阅读 · 0 评论 -
4.1 对彩图直接进行边缘分割(python代码)
后续可以对图片腐蚀、膨胀、聚类等的处理。原创 2024-02-18 10:34:52 · 113 阅读 · 0 评论 -
3.霍夫曼求直线原理与代码(python)
当然,我们也可以知道,上面第二种情况的直线满足的点的个数最多,第一种情况也满足大于4个点,那我们获得的直线是不是就两条呢,这个还不确定,我们可以再加个条件,就是获得的直线之间的距离最小是3.这个时候我们还需要计算两条直线的距离,如果距离小于3,那么最后的直线只有一条,即第二种情况的直线;此时我们如果定义至少有4个点在直线上时才能确定为直线,那么我们就将第三种情况排除了,因为它只有两个已知点满足第三种情况的直线。我们了解了求直线的原理,而霍夫曼直线不是直接这样求的,他是怎么求的呢,可以说是用了移向后的公式。原创 2024-02-02 16:15:47 · 466 阅读 · 0 评论 -
12.2 关键点提取——SIFT
4. 将第1组倒数第三层图像作比例因子为2的降采样,得到的图像作为第2组的第1层,然后对第2组的第1层图像做平滑因子为σ的高斯平滑,得到第2组的第2层,就像步骤2中一样,如此得到第2组的L层图像,同组内它们的尺寸是一样的,对应的平滑系数分别为:0,σ,kσ,k^2σ,k^3σ……但是在尺寸方面第2组是第1组图像的一半。把具有最高级别分辨率的图像放在底部,以金字塔形状排列,往上是一系列像素(尺寸)逐渐降低的图像,一直到金字塔的顶部只包含一个像素点的图像,这就构成了传统意义上的图像金字塔。原创 2024-01-30 15:46:45 · 998 阅读 · 0 评论 -
12.1 关键点提取------Harris原理及代码
角点就是图片中的一些突变的点,如下图所示。图中的点都是菱角分明的一些凸出来或凹进去的点。我们可以直观的概括下角点所具有的特征:>轮廓之间的交点;>对于同一场景,即使视角发生变化,通常具备稳定性质的特征;>该点附近区域的像素点无论在梯度方向上还是其梯度幅值上有着较大变化;2. 角点检测算法基本思想是什么?算法基本思想是使用一个固定窗口在图像上进行任意方向上的滑动,比较滑动前与滑动后两种情况,窗口中的像素灰度变化程度,如果存在任意方向上的滑动,都有着较大灰度变化,那么我们可以认为该窗口中存在角点。原创 2024-01-30 11:12:15 · 955 阅读 · 0 评论 -
12.1 主成分分析原理(PCA)
这里其实就是对实对称矩阵相似对角化,在相似对角化的过程中会得到特征值和对应的特征向量,得到的对角矩阵的对角线上的元素就是特征值,对角线以外的元素都为0。(当然,要对这组特征向量进行正交化,因为我们最终要的是正交向量,如果在这里不求,也可以在最后一步求。这里的每一行零均值化就是每一行的元素减去该行的均值,均值可以用np.mean()求解。5. 将特征向量按对应特征值大小从上到下按行排列成矩阵,取前。4. 求出协方差矩阵的特征值及对应的特征向量;4.求出协方差矩阵的特征值及对应的特征向量;原创 2024-01-26 17:24:50 · 564 阅读 · 0 评论 -
1.傅里叶处理图片原理和代码实现
图片的傅里叶变换处理原创 2024-01-12 16:11:09 · 1051 阅读 · 0 评论 -
2.yolov5数据集的格式转换(xml转换为txt)
【代码】2.yolov5数据集的格式转换(xml转换为txt)原创 2023-12-29 15:59:40 · 383 阅读 · 0 评论 -
7.1 yolov5优化模型时,自动标注xml数据
二维数组表示测试的类为water和red,其中后面的数字表示类的坐标:[top,left,bottom,right],表示上、左、下、右4个坐标。yolov5优化模型时,一般需要继续标注一些检测错误的图片,将其标为xml数据。原创 2023-10-07 17:23:51 · 381 阅读 · 0 评论