cornsea

摘要：仅供参考，不知道逻辑是否完全正确，只是简单的验证了下:).代码如下： 阅读全文

摘要：#!/usr/bin/python## A demo for hough transformation#import numpy as npimport matplotlib.pyplot as pltimport mathlt = np.arange(0,10,0.5)lx = (2.4-0.6*lt)/0.4t=np.arange(0,np.pi,np.pi/20)fig = plt.figu... 阅读全文

摘要：这种颜色条形码有3种颜色：青色，粉色和淡黄色。各种颜色区域为矩形，均匀分布在一个黑底的矩形中。检测的基本思想是：1） 如果某个像素属于3种颜色的一种，就把对应坐标处标记为1。　　处理完整幅图像后，得到一个２值图像。2）将１）中得到的２值图像分别向ｘ和ｙ轴投影，也即计算各行和各列的和。　比如：一行为　１０１１１１，向ｙ轴投影后，得到的值是５.　投影后，得到ｘ，ｙ轴两个向量。３）在ｘ和ｙ轴向量中搜索最小和最大的非零值，对应的坐标就圈定了条形码所在位置。　　当然这里要设定一个阈值，比如非零值的最小必须大于３或者５之类的，因为矩形颜色块是有最小面积的。不过，为了能在实际中使用，还需要添加很多处理，比如 阅读全文

摘要：计算摄影学是一门集成了计算机图形学，计算机视觉及摄影的学科。计算摄影学的目的是使用计算技术来突破传统相机的限制，生成具有更多信息，更有视觉冲击，更有吸引力的图像，图形和模型等现实世界的表示。你想不想从自己的照片中剔除某人，但是不影响照片的整体观感？你想不想把自己的长发照片变成短发照片？你想不想把自己拍摄的多幅照片合并成一张大的更完整的照片？你想不想把自己的胡子从照片中剔除？你想不想把拍摄得比较模糊的照片变得更清晰？你想不想把自己加入到某张照片中，让人看起来拍照时你确实就在那里？你想不想知道自己和另外一张脸融合后，会变成什么样子？如果你这些问题感兴趣，那么可以研究下计算摄影学了. 阅读全文