ps:(因为这边完全是兴趣弄着玩,所以很乱,断断续续的自学,希望自己可以坚持下去。)
1.复制图片
算法处理图片时,如果想把图片1复制到图片2不用考虑第三通道 可以直接img1[x,y]=img2[k,l]。我当时还思考了一下第三通道。
2.yaml 是配置文件
yaml 类似于json文件有自己专门格式
3. np.random.uniform(low,high,size)的size参数
python中np.random.uniform(low,high,size)
功能:从一个均匀分布[low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high.
size参数如果缺省size=1,size=a就是a个,如果size=(a,b,c)=a*b*c
个。
4.Opencv中图像拼接操作:
(1)直接拼接:vconcat()-垂直方向拼接要求待拼接图像有相同的宽度; hconcat()—水平方向拼接,要求待拼接图像有相同的高度。
(2)基于模板匹配拼接
- 图像有重合区域,且待拼接图像之间无明显尺度变化和畸变。
- 优点:简单、快速(相比于SIFT特征匹配拼接)。
- 常用实例:两个相邻相机水平拍摄图像拼接。
原理:要拼接两个有公共区域的图像,可以在公共区域中选一块模板(roi),利用模板在图2中匹配,得到最佳匹配位置后计算X和Y方向需要平移的像素距离,将图②对应的拼接到大图中
(3)SIFT特征匹配拼接方法
特点和适用范围:图像有足够重合相同特征区域,且待拼接图像之间无明显尺度变换和畸变。
优点:适应部分倾斜变化情况。缺点:需要有足够的相同特征区域进行匹配,速度较慢,拼接较大图片容易崩溃。
对于倾斜的图片需要计算变换矩阵,
解决间断线和光照不均问题:这里的处理思路是加权融合,在重叠部分由前一幅图像慢慢过渡到第二幅图像,即将图像的重叠区域的像素值按一定的权值相加合成新的图像。
✨5.目标检测模型的方便程度
目标检测提供了很多object-detection api 可以去数据集官网直接下载导入到项目中。
甚至是很多数据集的官网下面,都有直接可以导入puthon项目的已经运行完毕的模型,只要导入进来就可以直接使用。