工作问题记录——opencv（保持更新）

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。