老张谋
13137730606@163.com
展开
-
第五章 Opencv图像处理框架实战 5-10 文档扫描OCR识别
这里透视变化是指,假设原图4个点的坐标为ABCD,分别是左上↖,右上↗,右下↘,左下↙,四个坐标,变换后是EFGH,E(0,0),F(w,0), G(w, h), H(h, 0)该函数输入的参数分别是,原图和4个坐标点,原图是没有经过resize的,而输入的坐标点是resize后的,所以需要转换到resize之前,screenCnt.reshape(4, 2) * ratio,这里(4,2)代表总共4个点,每个点的有两个坐标(x,y), 这个东西也是非常强大, 给定图片之后,直接能识别图片里面的文字。原创 2023-08-15 18:05:43 · 714 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-9 信用卡数字识别
给定一张信用卡,我们期望达到如下效果给定一个信用卡,最终要输出上面的卡号,且需要在原图中把卡号的位置圈出来。本质上,这是一个模板匹配任务,如果想让计算机认识数字,我们需要给定一个模板,比如下面这个:这样, 我们只要找到信用卡上的数字区域,然后拿着数字区域的数字一一与模板进行匹配,看看到底是啥数字,就能识别出来了。但是,对于信用卡来说我们需要找到它的数字区域呀,对于给定的模板,我们虽然有它的数字区域,但是也得分割成一个个的数字,才能进行匹配工作呀,所以该任务,就转成了。原创 2023-08-07 11:50:01 · 578 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-8直方图与傅里叶变化
import cv2 #opencv读取的格式是BGRimport matplotlib.pyplot as plt#Matplotlib是RGB我们生活在时间的世界中,早上7:00起来吃早饭,8:00去挤地铁,9:00开始上班。。。以时间为参照就是时域分析。但是在频域中一切都是静止的!傅里叶分析之掐死教程(完整版)更新于2014.06.06 - 知乎。原创 2023-08-06 10:42:12 · 475 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-6边缘检测
计算出来dtmp1点的梯度值后,比较dtmp1,C,dtmp2三点的梯度值,如果C点的梯度值比他们都大,则保留,否则被抑制掉。3) 应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应。4) 应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。1) 使用高斯滤波器,以平滑图像,滤除噪声。2) 计算图像中每个像素点的梯度强度和方向。5) 通过抑制孤立的弱边缘最终完成边缘检测。原创 2023-08-04 16:52:42 · 58 阅读 · 0 评论 -
4.7 LSTM文本分类实战
由于上面是双向的,输出特征则是双倍,双向的特征串联起来,所以下面代码的输入特征大小是:此全连接层,用于预测各自类别。原创 2023-07-29 17:48:14 · 91 阅读 · 0 评论 -
4.5 基于经典网络架构训练图像分类模型
上面最后两行是一个avgpool层和fc层,我们发现最后一层fc已经变成102。读取标签对应的实际名字。以上代码不用改,基本固定。原创 2023-07-26 14:57:00 · 41 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-4图像形态学操作
礼帽 = 原始输入-开运算结果,原始图像有毛边,开运算结果没有毛边,两者相减,得到毛边。原图像有毛刺,经过腐蚀原图像变细,腐蚀图像在经过膨胀操作,又变粗。梯度运算就是,先膨胀,在腐蚀,最后膨胀的-腐蚀的图像。笔运算会导致毛边越来越大,无法去除毛边。黑帽 = 闭运算-原始输入,原创 2023-07-31 00:10:35 · 40 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-1 节课程简介与环境配置
考虑到opencv专利问题,为跑通算法,需要安装opencv-python==3.4.1.15版本,这要求python==3.6环境配置参考如下链接(opencv安装、pycharm配置)。注意:第五章之后需要创建新的环境Anaconda默认Python3.8版本创建Python3.6版本环境并安装opencv3.4.1.15,使用pycharm作为IDE_清华源anaconda哪个是python3.8.3版本_胡萝卜要削皮的博客-CSDN博客需要装下面两个包。原创 2023-07-30 00:36:49 · 49 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-7图像金字塔与轮廓检测
¶高斯金字塔拉普拉斯金字塔。原创 2023-08-05 15:52:55 · 102 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-5图像梯度计算
laplacian算子对噪音比较敏感,通常需要跟其他算法结合在一起使用,后续会讲解。白到黑是正数,黑到白就是负数了,所有的负数会被截断成0,所以要取绝对值。Scharr算子的值显示离得近值大,离得远得值小,让结果更敏感一些。分别计算x和y,再求和。原创 2023-08-04 12:44:02 · 55 阅读 · 0 评论 -
4.8 Pytorch框架Flask部署例子
【代码】4.8 Pytorch框架Flask部署例子。原创 2023-07-29 21:30:52 · 43 阅读 · 0 评论 -
第五章 Opencv图像处理框架实战 5-2 图像基本操作
每一张图像都是有像素点组成的,每个像素点由3个值,RGB,每个通道的值取值范围在0-255之间,值越大图像越亮。图像大小表示成h*w*c,比如一张500*500*3的图像,则每个通道大小都是500*500,且每一个通道的值,都表示成矩阵形式,则R通道的矩阵大小为500*500.假设图像猫为X1,狗为X2,融合后的图像Y=a * X1+b*X2+C, 其中a 为猫的权重, b为狗的权重,C为整体额外再提升多少亮度。其中:cv2.waitKey(0) 中的0表示显示的图像键盘。表示图像的(h,w,c)原创 2023-07-30 18:31:04 · 49 阅读 · 0 评论