摘要：模板匹配 业务描述：从 一张图 中找到 和 模板图片 “非常相似” 的区域，获取该区域坐标； 原理简介：用 模板图像 在 原图上 滑动，然后计算 滑到的区域 和 模板 的相似程度，如像素差，把该值 记录在 对应位置，过程类似卷积； 滑完后，找到 相似程度 最大的 坐标，还原到 原图的坐标，加上 模板 阅读全文

摘要：原理简介 让图像的单一通道(大概灰度)和以下3 x 3的内核进行卷积 然后取相应的方差。 如果方差低于预先定义的阈值，则认为图像模糊；否则，图像不会模糊。 这种方法有效的原因是由于Laplacian算子本身的定义，它用于测量图像的二阶导数。 拉普拉斯算子突出显示图像中包含快速梯度变化的区域，很像So 阅读全文

摘要：首先需要下载人体姿态评估的预训练模型。 基于COCO数据集训练的模型下载地址：http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/coco/pose_iter_440000.caffemodel 基于MPI数据集训练的模型下载地址：ht 阅读全文

摘要：简介 随着计算机视觉的流行，opencv 也专门开发了 dnn 模块来实现 深度神经网络相关 的功能； 虽然 opencv 无法训练模型，但它支持 载入其他 深度学习框架训练好的模型，并使用该模型进行预测 inference； 而且 opencv 在载入模型时会使用 dnn 模块对模型进行重写，使得 阅读全文

摘要：首先下载网络配置文件、权重文件、label文件 wget https://pjreddie.com/media/files/yolov3.weights wget https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg wget 阅读全文

摘要：在图像处理中，霍夫变换可以用来检测 各种形状，如 直线、圆、椭圆 等 霍夫空间 在笛卡尔坐标系下，一条直线可以表示为 y=kx+b，两点可以确定一条直线； 如果把表达式改为 b=-kx+y，则转换到了 霍夫空间，该空间 横坐标是 k，纵坐标是 b，可以看到 一组 (k，b) 就可以确定一条直线； 即 阅读全文

摘要：看本文之前，请先了解 faster rcnn 的网络结构及原理； 其中 关于 anchor 的部分比较晦涩，不容易搞清楚，本文重点解释下； 先上代码 import numpy as np # 生成anchors总函数：ratios为一个列表，表示宽高比为：1:2,1:1,2:1 # 2**x表示:2 阅读全文

摘要：图像梯度 在模糊的图像中，物体的轮廓不明显，轮廓边缘灰度变化不明显，导致层次感不强； 而清晰的图像中，物体的轮廓很清晰，轮廓边缘灰度变换明显，层次感强； 这种变化明显与否可以用 导数或梯度 来衡量，实际上可以用 灰度变化率 来计算； 如下图 如果相邻像素相同，灰度变化率为0，没有梯度； 如果相邻像素 阅读全文

摘要：源图像 目标是 提取 四个 大圈圈 ； 具体项目描述见 参考资料 实现过程 import cv2 as cv import numpy as np img0 = cv.imread('imgs/640.webp') ########### 预处理 img = cv.cvtColor(img0, cv 阅读全文

摘要：轮廓可以简单理解成 具有相同颜色或灰度的 连续的点 连成的曲线； 轮廓在形状分析、物体检测、物体识别 中很有用； 注意： 1.为了准确，需要使用 二值化 图像，故需进行 阈值化处理 或 canny 边缘检测 2.opencv 中与轮廓相关的函数 会改变原始图像 轮廓检测与绘制 def findCon 阅读全文

摘要：Canny 边缘检测 Canny 边缘检测是一种被广泛应用的算法，效果较好 原理 详见 参考资料1 没搞懂，先记下来，空了研究吧 该方法使用了比高斯差分算法更复杂的技巧，如多向灰度梯度和滞后阈值化。 Canny边缘检测器算法基本步骤： 平滑图像：通过使用合适的模糊半径执行高斯模糊来减少图像内的噪声。 阅读全文

摘要：padding 有时候容易迷糊，这里汇总一下 卷积中的 padding 当取 SAME 时，原则上保持输入和输出尺寸相同，但这只是在 步长为1时 如此， 总结来说， n 表示 输入尺寸 f 表示 卷积核尺寸 s 表示 步长 p 表示 padding 的尺寸 out 表示 输出尺寸 p = (f - 阅读全文

摘要：tensorflow 在 gpu 上训练时报如下错误 Failed to get convolution algorithm. This is probably because cuDNN failed to initialize 解决办法 加上如下代码 import os import tenso 阅读全文