Fork me on GitHub
摘要:编写带界面的图像处理程序,选择opencv+mfc是一种很好的选择;在读取摄像头数据方面,网上的方法很多,其中shiqiyu的camerads的方法是较好的。 基于现有资料,通过在实际项目中的积累,我总结出来一套结合opencv和mfc的摄像头采集框架。具有以下特点: 1、基于directshow,兼容性好,速度快。到目前为止,无论是工业相机还是普通相机,没发现不兼容的; 2、摄像头部分通过线程读取,保证界面的运行流畅; 3、框架经过多次打磨,已经比较稳定,不会出现异常错误;代码简洁明了,方便复用。 阅读全文
posted @ 2016-10-05 07:45 jsxyhelu 阅读 (6894) 评论 (0) 编辑
摘要:这是一个典型的“机器视觉”应用。其中,答题卡的样式可以是由自己来设置的,图片的获取方式提到了可以是“手机拍照、相机拍照”这种比较方便的方式;本例的一个特殊的要求是:你可以识别不出来,但是你不能识别错误,这是项目的特殊要求。这里是我的思考和实现。 阅读全文
posted @ 2015-01-18 14:07 jsxyhelu 阅读 (22669) 评论 (21) 编辑
摘要:我想做的,是通过“NN、LeNet、AlexNet、VGGNet、GoogleNet”的基本结构的实现,强化基础。首先是资料的整理,然后是计划的提出。这里的基础学习是第一部分,后面我才能提出更详细准确的计划。在实现的过程中,不仅是juypter,我希望能够有原生代码,因为我需要做落地的。然后,结合着paddle上的视频,特别是charlott77的视频来学习,并且做相应笔记。easydl http... 阅读全文
posted @ 2020-02-17 07:35 jsxyhelu 阅读 (6) 评论 (0) 编辑
摘要:基于《自有数据集上,如何用keras最简单训练YOLOv3目标检测》整理 https://blog.csdn.net/sinat_26917383/article/details/85614247 原项目地址:keras-yolo3-improvedselfdata_keras_yolov3.ipynb,训练ipynbselfdata_yolov3_test.ipynb,预测ipynbyolo_m... 阅读全文
posted @ 2020-02-15 15:02 jsxyhelu 阅读 (12) 评论 (0) 编辑
摘要:近年来,深度学习技术已经广泛应用到图像语义分割领域.主要对基于深度学习的图像语义分割的经典方法与研究现状进行分类、梳理和总结.根据分割特点和处理粒度的不同,将基于深度学习的图像语义分割方法分为基于区域分类的图像语义分割方法和基于像素分类的图像语义分割方法.把基于像素分类的图像语义分割方法进一步细分为全监督学习图像语义分割方法和弱监督学习图像语义分割方法.对每类方法的代表性算法进行了分析介绍,并详细总结了每类方法的基本思想和优缺点,系统地阐述了深度学习对图像语义分割领域的贡献.对图像语义分割相关实验进行了分析对比,并介绍了图像语义分割实验中常用公共数据集和性能评价指标.最后,预测并分析总结了该领域未来可能的研究方向及相应的发展趋势. 阅读全文
posted @ 2020-01-04 10:54 jsxyhelu 阅读 (118) 评论 (0) 编辑
摘要:Hessian 矩阵以及在血管增强中的应用:OpenCV 实现 有别于广为人知的Sobel、Canny等一阶算法,基于Hessian矩阵能够得到图像二阶结果,这将帮助我们深入分析图像本质。 Hessian矩阵在图像处理中有着广泛的应用:其中在图像分割领域,包括边缘检测、纹理分析等;在图像增强领域,包括边缘增强、边缘消除等。 本文从Hessian矩阵定义出发,通过清晰简洁的数学推导和讲解实现公式到C++代码的转化。 为了帮助深入理解Hessian矩阵在图像处理中的能力,我们将详细讲解和实现经典的“血管增强”算法(Frangi算法)。 目录: 一、Hessian矩阵等相关理论基础 1.Hessian矩阵的由来及定义 2.数字图像处理之尺度空间理论 3.基于尺度理论的Hessian简化算法 4.Hessian矩阵特征值的求解方法 5.Hessian矩阵特征值的图像性质 6.高斯方程及二阶导数 二、“血管增强”算法(Frangi算法)原理 1.认识血管及其增强 2.Frangi论文基本原理 3.Fr 阅读全文
posted @ 2019-12-29 14:36 jsxyhelu 阅读 (179) 评论 (0) 编辑
摘要:这个系统自带的例子原本主要是用来说明SCXML机制的,但是由于计算器的经典和简洁,我认为用来练习QML非常合适,原本的例子还有一些问题,经过修改后需要能够适应手机全屏,我将将其保留,作为计算器使用。 阅读全文
posted @ 2019-11-29 10:04 jsxyhelu 阅读 (54) 评论 (0) 编辑
摘要:这次研究的主要是速度问题,后来还获得了其它方面的收获。 阅读全文
posted @ 2019-11-01 11:46 jsxyhelu 阅读 (149) 评论 (0) 编辑
摘要:前一段时间,我一直在制作OpenCV基础知识的课件(《学习OpenCV3.0初级实战视频课程》 http://edu.51cto.com/course/10381.html,《学习OpenCV3.0中级实战视频课程》http://edu.51cto.com/course/10712.html)。因为一方面我感觉如果仅仅是有比如“答题卡识别”http://edu.51cto.com/course/8637.html,“图像拼接”http://edu.51cto.com/course/9313.html这一类的视频,总是缺乏一个系统的过程;另一方面我也在做视频的过程中,反省自己对基础知识是否掌握牢靠了,千万不能误人子弟。那么课件的制作,包括内容的顺序,主要还是基于《learningOpenCV3》的。结合制作课件,我对《learningOpenCV3》书后的习题较为仔细的解决,并且push到了Github上https://github.com/oreillymedia/Learning-OpenCV-3_examples。有push当然也就有commit了,可喜的是这个commit是由Op 阅读全文
posted @ 2019-10-31 11:08 jsxyhelu 阅读 (243) 评论 (0) 编辑
摘要:OpenVINO提供了范例(human_pose_estimation_demo),能够在CPU上以较快速度识别出多人。本篇BLOG就其实用性进行了进一步研究。 阅读全文
posted @ 2019-10-30 16:42 jsxyhelu 阅读 (193) 评论 (0) 编辑
摘要: OpenCV是我们大家非常熟悉的图像处理开源类库;在其新版本将原本在Contrib分库中的DNN模块融合到了主库中,并且更新了相应文档。这样我们就能够非常方便地利用OpenCV实现一些属于DeepLearning范畴的效果,比如“超级分辨率”“单色图片着色”“色彩迁移”等。当我们想把软件处理的平台由PC机转移到嵌入式平台和手机上的时候,QT也是能和OpenCV配合地非常好的平台。在这里,我具体研究了如何搭建Android+QT+OpenCV环境,实现“单色图片着色”效果;并将相关内容整理如下,希望能够对有这方面需求的工程师提供帮助。 阅读全文
posted @ 2019-09-25 19:59 jsxyhelu 阅读 (400) 评论 (0) 编辑
摘要:“夜神”是一款速度比较快,并且一直在更新的虚拟机,它默认是开root的,这样对于我们程序调试来说也比较方便。我们这里将其融入现有系统中去。 阅读全文
posted @ 2019-09-24 20:11 jsxyhelu 阅读 (235) 评论 (0) 编辑