#Header1_HeaderTitle{ font-size:50px }
上一页 1 ··· 4 5 6 7 8 9 10 11 下一页
摘要: 上两篇详细的说明了验证码的识别,不过我们采用的是方法二,下面采用方法一。注意和方法二的区别。 验证码识别方法一: 把标签转为向量,向量长度为40。(4位数字验证码) 验证码的生成和tf.record的制作这部分代码不变。 一、训练识别模型 首先新建一个nets2文件夹,使用文件夹下的nets_fac 阅读全文
posted @ 2019-01-21 15:39 墨麟非攻 阅读(1193) 评论(2) 推荐(1)
摘要: 在说Otsu之前,先说几个概念 灰度直方图:将数字图像中的所有像素,按照灰度值的大小,统计其出现的频率。其实就是每个值(0~255)的像素点个数统计。 Otsu算法假设这副图片由前景色和背景色组成,通过最大类间方差选取一个阈值,将前景和背景尽可能分开。 一、代码展示 可以看出Otsu阈值明显优于固定 阅读全文
posted @ 2019-01-20 15:58 墨麟非攻 阅读(11617) 评论(0) 推荐(0)
摘要: 一、固定阈值分割 cv2.threshold()用来实现阈值分割,有4个参数: 参数1:要处理的原图,一般是灰度图 参数2:设定的阈值 参数3:最大阈值,一般是255 参数4:阈值的方式,主要有5种,详情:ThresholdTypes 理解这5种阈值方式: 固定阈值将整幅图片分成两类值,它并不适用于 阅读全文
posted @ 2019-01-19 17:31 墨麟非攻 阅读(2207) 评论(1) 推荐(0)
摘要: 一、颜色空间转换 颜色转换其实是数学运算,如灰度化最常用的是:gray = R* 0.299 + G* 0.587 + B * 0.114 二、视频中特定颜色物体追踪 HSV:色调(H),饱和度(S),明度(V)。对光照的变换并不是很敏感,相比于BGR更易于区分颜色,常用于颜色识别的模型。转换模式用 阅读全文
posted @ 2019-01-19 16:15 墨麟非攻 阅读(1602) 评论(0) 推荐(1)
摘要: 一、获取和修改像素点的值 通过行、列坐标获取某个像素点的值,对于彩色图。B、G、R对应0, 1, 2 修改像素也是同样的方式: 更好的像素访问和编辑方法: 二、图片属性 1、图像形状 2、数据类型 3、图像总像素数 二、感兴趣区域(ROI) 行对应y,列对应x,所以其实是img[y, x],所以要注 阅读全文
posted @ 2019-01-19 15:18 墨麟非攻 阅读(2280) 评论(0) 推荐(0)
摘要: 一、打开摄像头 cv2.VideoCapture(0)创建VideoCapture对象,参数0表示摄像头编号,如果你有两个摄像头,也可以传入1 二、播放本地视频 和打开摄像头一样,把摄像头编号换成视频的路径就可以播放本地视频。cv2.waitKey的参数0表示无限等待,数值越大,视频播放越慢,反之, 阅读全文
posted @ 2019-01-19 11:32 墨麟非攻 阅读(4402) 评论(0) 推荐(0)
摘要: 前面一直都是使用命令行运行代码,不够人性化。这篇用Python编写一个GUI界面,使用PyQt5编写图像处理程序。包括:打开、关闭摄像头,捕获图片,读取本地图片,灰度化和Otsu自动阈值分割的功能。 使用Qt Designer来设计界面。而anaconda里自带了designer.exe,我使用的就 阅读全文
posted @ 2019-01-18 22:13 墨麟非攻 阅读(11047) 评论(0) 推荐(0)
摘要: 首先感觉学习OpenCV-python最好的学习工具官方的英文文档。 官方英文教程:OpenCV-Python Tutorials 我使用的是anaconda里的 jupyter notebook。至于如何安装,请自行百度。然后再安装 cv2包 快速、简洁、流行的python 众所周知,python 阅读全文
posted @ 2019-01-17 16:13 墨麟非攻 阅读(1089) 评论(0) 推荐(0)
摘要: 参考地址:https://blog.csdn.net/miracle_ma/article/details/78305991 使用DCGAN(deep convolutional GAN):深度卷积GAN 网络结构如下: 代码分成四个文件: 读入文件 read_data.py 配置线性层,卷积层,反 阅读全文
posted @ 2019-01-16 21:08 墨麟非攻 阅读(843) 评论(0) 推荐(0)
摘要: 参考:《tensorflow实战》 首先介绍一下Word2Vec Word2Vec:从原始语料中学习字词空间向量的预测模型。主要分为CBOW(Continue Bags of Words)连续词袋模型和Skip-Gram两种模式 CBOW:从原始语句(中国的首都是___)推测目标字词(北京)。Ski 阅读全文
posted @ 2019-01-14 11:47 墨麟非攻 阅读(915) 评论(0) 推荐(0)
上一页 1 ··· 4 5 6 7 8 9 10 11 下一页