opencv - 随笔分类 - python我的最爱

机器学习进阶-疲劳检测(眨眼检测) 1.dist.eculidean(计算两个点的欧式距离) 2.dlib.get_frontal_face_detector(脸部位置检测器) 3.dlib.shape_predictor(脸部特征位置检测器) 4.Orderdict(构造有序的字典)

摘要：1.dist.eculidean(A, B) # 求出A和B点的欧式距离参数说明：A，B表示位置信息 2.dlib.get_frontal_face_detector()表示脸部位置检测器 3.dlib.shape_predictor(args['shape_predictor]) 表示脸部特征位阅读全文

posted @ 2019-03-03 13:42 python我的最爱阅读(1925) 评论(0) 推荐(0) 编辑

机器学习进阶-人脸关键点检测 1.dlib.get_frontal_face_detector(构建人脸框位置检测器) 2.dlib.shape_predictor(绘制人脸关键点检测器) 3.cv2.convexHull(获得凸包位置信息)

摘要：1.dlib.get_frontal_face_detector() # 获得人脸框位置的检测器, detector(gray, 1) gray表示灰度图， 2.dlib.shape_predictor(args['shape_predictor']) # 获得人脸关键点检测器， predictor 阅读全文

posted @ 2019-03-02 22:29 python我的最爱阅读(9456) 评论(0) 推荐(2) 编辑

机器学习进阶-目标追踪-SSD多进程执行 1.cv2.dnn.readnetFromCaffe(用于读取已经训练好的caffe模型) 2.delib.correlation_tracker(生成追踪器) 5.cv2.writer(将图片写入视频中) 6.cv2.dnn.blobFromImage(图片归一化) 10.multiprocessing.process(生成进程)

摘要：1. cv2.dnn.readNetFromCaffe(prototxt, model) 用于进行SSD网络的caffe框架的加载参数说明:prototxt表示caffe网络的结构文本，model表示已经训练好的参数结果 2.t=delib.correlation_tracker() 使用deli 阅读全文

posted @ 2019-03-01 13:04 python我的最爱阅读(4868) 评论(1) 推荐(2) 编辑

机器学习进阶-目标跟踪-KCF目标跟踪方法 1.cv2.multiTracker_create(构造选框集合) 2. cv2.TrackerKCF_create(获得KCF追踪器) 3. cv2.resize(变化图像大小) 4.cv2.selectROI(在图像上框出选框)

摘要：1. tracker = cv2.multiTracker_create() 获得追踪的初始化结果 2.cv2.TrackerKCF_create() 获得KCF追踪器 3.cv2.resize(frame, (w, h), cv2.INTER_AEAR) # 进行图像大小的重新变化参数说明：fra 阅读全文

posted @ 2019-02-28 18:32 python我的最爱阅读(3671) 评论(0) 推荐(0) 编辑

机器学习进阶-光流估计 1.cv2.goodFeaturesToTrack(找出光流估计所需要的角点) 2.cv2.calcOpticalFlowPyrLK(获得光流检测后的角点位置) 3.cv2.add(进行像素点的加和)

摘要：1.cv2.goodFeaturesToTrack(old_gray, mask=None, **feature_params) 用于获得光流估计所需要的角点参数说明：old_gray表示输入图片，mask表示掩模，feature_params:maxCorners=100角点的最大个数,quali 阅读全文

posted @ 2019-02-28 00:07 python我的最爱阅读(6928) 评论(0) 推荐(1) 编辑

机器学习进阶-背景建模-(帧差法与混合高斯模型) 1.cv2.VideoCapture(进行视频读取) 2.cv2.getStructureElement(构造形态学的卷积) 3.cv2.createBackgroundSubtractorMOG2(构造高斯混合模型) 4.cv2.morpholyEx(对图像进行形态学的变化)

摘要：1. cv2.VideoCapture('test.avi') 进行视频读取参数说明：‘test.avi’ 输入视频的地址2. cv2.getStructureElement(cv2.MORPH_ELLIPSE, (3, 3)) # 构造一个全是1的kernel用于形态学的操作参数说明：cv2. 阅读全文

posted @ 2019-02-26 22:58 python我的最爱阅读(9714) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-答题卡识别判 1.cv2.getPerspectiveTransform(获得投射变化后的H矩阵) 2.cv2.warpPerspective(H获得变化后的图像) 3.cv2.approxPolyDP(近似轮廓) 4.cv2.threshold(二值变化) 7.cv2.countNonezeros(非零像素点个数)6.cv2.bitwise_and(与判断)

摘要：1.H = cv2.getPerspectiveTransform(rect, transform_axes) 获得投射变化后的H矩阵参数说明：rect表示原始的位置左上，右上，右下，左下， transform_axes表示变换后四个角的位置 2.cv2.warpPerspective(gray, 阅读全文

posted @ 2019-02-26 18:35 python我的最爱阅读(3351) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-停车场车位识别-keras预测是否停车站有车

摘要：import numpy import os from keras import applications from keras.preprocessing.image import ImageDataGenerator from keras import optimizers from keras.models import Sequential, Model from keras.laye... 阅读全文

posted @ 2019-02-26 10:38 python我的最爱阅读(908) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-停车场车位识别

摘要：第一步：去除背景第二步：进行灰度化第三步：使用cv2.canny进行边缘检测第四步：进行图像区域的选择第五步：使用霍夫曼进行直线检测第六步：对删选出的直线进行画图操作第七步：找出每一列车的x1, y1, x2, y2 第八步：根据gap间隔，找出每一列车所在的(x1, y1, x2, y 阅读全文

posted @ 2019-02-26 10:37 python我的最爱阅读(2884) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-图像全景拼接-书籍SIFT特征点连接 1.cv2.drawMatches(对两个图像的关键点进行连线操作)

摘要：1.cv2.drawMatches(imageA, kpsA, imageB, kpsB, matches[:10], None, flags=2) # 对两个图像关键点进行连线操作参数说明：imageA和imageB表示图片，kpsA和kpsB表示关键点， matches表示进过cv2.BFMa 阅读全文

posted @ 2019-02-23 11:54 python我的最爱阅读(8071) 评论(0) 推荐(0) 编辑

机器学习进阶-图像特征sift-SIFT特征点 1.cv2.xfeatures2d.SIFT_create(实例化sift) 2. sift.detect(找出关键点) 3.cv2.drawKeypoints(画出关键点) 4.sift.compute(根据关键点计算sift向量)

摘要：1. sift = cv2.xfeatures2d.SIFT_create() 实例化参数说明：sift为实例化的sift函数 2. kp = sift.detect(gray, None) 找出图像中的关键点参数说明: kp表示生成的关键点，gray表示输入的灰度图， 3. ret = cv2 阅读全文

posted @ 2019-02-21 17:39 python我的最爱阅读(21598) 评论(1) 推荐(3) 编辑

机器学习进阶-图像特征harris-角点检测 1.cv2.cornerHarris(进行角点检测)

摘要：1.cv2.cornerHarris(gray, 2, 3, 0.04) # 找出图像中的角点参数说明：gray表示输入的灰度图，2表示进行角点移动的卷积框，3表示后续进行梯度计算的sobel算子的大小，0.04表示角点响应R值的α值角点检测：主要是检测一些边角突出来的点，对于A和B这样的面上的阅读全文

posted @ 2019-02-21 11:19 python我的最爱阅读(3520) 评论(0) 推荐(1) 编辑

机器学习进阶-项目实战-信用卡数字识别 1.cv2.findContour(找出轮廓) 2.cv2.boudingRect(轮廓外接矩阵位置) 3.cv2.threshold(图片二值化操作) 4.cv2.MORPH_TOPHAT(礼帽运算突出线条) 5.cv2.MORPH_CLOSE(闭运算图片内部膨胀) 6. cv2.resize(改变图像大小) 7.cv2.putText(在图片上放上文本)

摘要：7. cv2.putText(img, text, loc, text_font, font_scale, color, linestick) # 参数说明：img表示输入图片，text表示需要填写的文本str格式，loc表示文本在图中的位置，font_size可以使用cv2.FONT_HERSHE 阅读全文

posted @ 2019-02-20 23:26 python我的最爱阅读(3496) 评论(2) 推荐(0) 编辑

机器学习进阶-直方图与傅里叶变换-傅里叶变换(高低通滤波) 1.cv2.dft(进行傅里叶变化) 2.np.fft.fftshift(将低频移动到图像的中心) 3.cv2.magnitude(计算矩阵的加和平方根) 4.np.fft.ifftshift(将低频和高频移动到原来位置) 5.cv2.idft(傅里叶逆变换)

摘要：1. cv2.dft(img, cv2.DFT_COMPLEX_OUTPUT) 进行傅里叶变化参数说明: img表示输入的图片， cv2.DFT_COMPLEX_OUTPUT表示进行傅里叶变化的方法 2. np.fft.fftshift(img) 将图像中的低频部分移动到图像的中心参数说明：im 阅读全文

posted @ 2019-02-20 13:33 python我的最爱阅读(14789) 评论(0) 推荐(1) 编辑

机器学习进阶-直方图与傅里叶变化-直方图均衡化 1.cv2.equalizeHist(进行直方图均衡化) 2. cv2.createCLAHA(用于生成自适应均衡化图像)

摘要：1. cv2.equalizeHist(img) # 表示进行直方图均衡化参数说明：img表示输入的图片 2.cv2.createCLAHA(clipLimit=8.0, titleGridSize=(8, 8)) 用于生成自适应均衡化图像参数说明：clipLimit颜色对比度的阈值， titl 阅读全文

posted @ 2019-02-20 12:14 python我的最爱阅读(18919) 评论(0) 推荐(2) 编辑

机器学习进阶-直方图与傅里叶变换-图像直方图 1.cv2.calc(生成图像的像素频数分布(直方图))

摘要：1. cv2.calc([img], [0], mask, [256], [0, 256]) # 用于生成图像的频数直方图参数说明: [img]表示输入的图片， [0]表示第几个通道， mask表示掩码，通常生成一部分白色，一部分黑色的掩码图， [256]表示直方图的个数， [0, 256]表示数阅读全文

posted @ 2019-02-20 11:18 python我的最爱阅读(4505) 评论(0) 推荐(0) 编辑

机器学习进阶-图像金字塔与轮廓检测-模板匹配（单目标匹配和多目标匹配）1.cv2.matchTemplate(进行模板匹配) 2.cv2.minMaxLoc(找出矩阵最大值和最小值的位置(x,y)) 3.cv2.rectangle(在图像上画矩形)

摘要：1. cv2.matchTemplate(src, template, method) # 用于进行模板匹配参数说明： src目标图像， template模板，method使用什么指标做模板的匹配度指标 2. min_val, max_val, min_loc, max_loc = cv2.min 阅读全文

posted @ 2019-02-19 20:26 python我的最爱阅读(16792) 评论(0) 推荐(1) 编辑

机器学习进阶-图像金字塔与轮廓检测-轮廓检测 1.cv2.cvtColor(图像颜色转换) 2.cv2.findContours(找出图像的轮廓) 3.cv2.drawContours(画出图像轮廓) 4.cv2.contourArea(轮廓面积) 5.cv2.arcLength(轮廓周长) 6.cv2.aprroxPloyDP(获得轮廓近似) 7.cv2.boudingrect(外接圆)..

摘要：1. cv2.cvtcolor(img, cv2.COLOR_BGR2GRAY) # 将彩色图转换为灰度图参数说明: img表示输入的图片， cv2.COLOR_BGR2GRAY表示颜色的变换形式 2. cv2.findContours(img，mode, method) # 找出图中的轮廓值，得阅读全文

posted @ 2019-02-19 17:17 python我的最爱阅读(21428) 评论(1) 推荐(2) 编辑

机器学习进阶-图像金字塔与轮廓检测-图像金字塔(拉普拉斯金字塔)

摘要：拉普拉斯金字塔: 使用原始图片 - pyrUp(pyrDown(Gi))，获得的结果有一点像边缘轮廓的提取上图的意思：1.进行低通滤波 2.进行样本的下采样 3. 进行样本的上采样 4.原始图片 - 经过上面三步后的图片代码：第一步：读入图片第二步：进行样本的下采样第三步：进行样本的上采阅读全文

posted @ 2019-02-19 15:39 python我的最爱阅读(929) 评论(0) 推荐(0) 编辑

机器学习进阶-图像金字塔与轮廓检测-图像金字塔-(**高斯金字塔) 1.cv2.pyrDown(对图片做向下采样) 2.cv2.pyrUp(对图片做向上采样)

摘要：1.cv2.pyrDown(src) 对图片做向下采样操作，通常也可以做模糊化处理参数说明：src表示输入的图片 2.cv2.pyrUp(src) 对图片做向上采样操作参数说明：src表示输入的图片高斯金字塔：分为两种情况：一种是向下采样，一种是向上采样下采样的原理：先与Gi进行高斯卷积即高阅读全文

posted @ 2019-02-19 15:12 python我的最爱阅读(2034) 评论(0) 推荐(0) 编辑

随笔分类 - opencv