2020年5月
03-形态学操作（针对灰度图像）
摘要： 针对灰度图像 1. 腐蚀 实现：在图像f中的某一像素点，以结构元素B的中心位置处对应该像素点, 若以该像素点为中心，寻找在结构元素B大小覆盖的邻域范围内(图像f上) 的最小值来代替该点像素值，作为腐蚀后对应位置的像素；简言之，邻域内(局部)最小值来代替该点像素。 主要作用：腐蚀过的图像一般背景比原图 阅读全文
posted @ 2020-05-20 18:31 赵家小伙儿 阅读(1052) 评论(0) 推荐(0)
02-形态学操作（针对二值图像）
摘要： 针对二值图 图像f，背景（像素值0），目标前景A(255), 结构元素B(255) 1 腐蚀 作用：腐蚀是一种收缩或细化操作； 简述：在图像f中，移动结构元素B的区域集合全部属于前景A；也就是说，在图像f中的某一像素点，若该处像素值为255，以结构元素B的中心位置处对应该像素点，若结构元素B大小覆盖 阅读全文
posted @ 2020-05-20 17:55 赵家小伙儿 阅读(660) 评论(0) 推荐(0)
01-形态学操作：腐蚀与膨胀、开运算与闭运算
摘要： 形态学的基本操作包括腐蚀、膨胀、开操作、闭操作 简单来说，以B结构中心点为准心，在A中找能满足B结构的点即为腐蚀 把A结构的每个点放到B中心点，以B结构外扩即为膨胀 开操作表示先腐蚀后膨胀；闭操作表示先膨胀后腐蚀 开运算、闭运算、顶帽与底帽操作的python实现函数，参见：https://blog. 阅读全文
posted @ 2020-05-20 11:03 赵家小伙儿 阅读(2156) 评论(0) 推荐(0)
2020年2月
GCC编译
摘要： 一、GCC编译选项解析 1. 常用的编译选项 命令格式： gcc [选项] [文件名] -E：仅执行编译预处理； -S：将C代码转换为汇编代码； -c：仅执行编译操作，不进行连接操作； -o：指定生成的输出文件。 2. gcc编译的四个阶段 1) 将hello.c预处理输出hello.i文件 gcc 阅读全文
posted @ 2020-02-27 14:15 赵家小伙儿 阅读(358) 评论(0) 推荐(0)
源文件、目标文件和可执行文件
摘要： 1. 源文件 存放程序代码的文件，即我们编辑代码的文件，称为源代码文件。 C语音源程序文件的扩展名为“.c”。源代码文件是相对目标文件和可执行文件而言的 一般使用高级语言写出来的。 2. 目标文件 源代码经过编译所得到的二进制代码，称为目标文件。 目标文件的扩展名为‘.obj’(Windows)或“ 阅读全文
posted @ 2020-02-27 13:25 赵家小伙儿 阅读(2313) 评论(0) 推荐(0)
04-图像的纹理描述
摘要： 基于空间域纹理描述 1. 统计法纹理描述 通过衡量纹理图像的像素灰度值及其邻域的灰度相关性来获得纹理区域的统计特征 ；灰度值和灰度相关性分别属于一阶统计特征和高阶统计特征。 1） 一阶统计特征 一阶统计特征包括均值、方差等，这些特征可以大致的描述图像的灰度值分布，而不考虑像素之间的邻域关系 2）高阶 阅读全文
posted @ 2020-02-25 19:41 赵家小伙儿 阅读(1118) 评论(0) 推荐(0)
04 基于图像质量失真特征分析的人脸活体检测-02
摘要： 1. 基于图像质量特征分析的大致流程如下，主要围绕：镜面反射特征（Specular reflection feature）/模糊特征（Blurriness feature）/ 色矩特征（Chromatic moment feature）/ 颜色多样性特征（Color diversity featur 阅读全文
posted @ 2020-02-18 17:34 赵家小伙儿 阅读(1074) 评论(0) 推荐(0)
03 基于纹理特征的人脸活体检测-01
摘要： 1. 活体相关文献综述调研 参考：https://blog.csdn.net/CVAIDL/article/details/84567319 2. 基于LBP纹理特征的检测 1） 基于LBP_256特征提取（基本的256维LBP特征向量） 401*401 RGB图片->灰度化-> 计算得到400*4 阅读全文
posted @ 2020-02-18 14:05 赵家小伙儿 阅读(1224) 评论(0) 推荐(0)
yolo系列目标检测+自标注数据集进行目标识别
摘要： 1. yolov1的识别原理 参考：https://blog.csdn.net/u010712012/article/details/85116365 https://blog.csdn.net/gbyy42299/article/details/88869766 2. yolov2的识别原理 参考 阅读全文
posted @ 2020-02-17 09:49 赵家小伙儿 阅读(1629) 评论(0) 推荐(0)
Rcnn/Faster Rcnn/Faster Rcnn的理解
摘要： 基于候选区域的目标检测器 1. 滑动窗口检测器 根据滑动窗口从图像中剪切图像块-->将剪切的图像块warp成固定大小-->cnn网络提取特征-->SVM和regressor进行分类和回归定位 选择性搜索 2. R-CNN R-CNN 利用候选区域方法创建了约 2000 个 ROI --> 将每个RO 阅读全文
posted @ 2020-02-06 14:18 赵家小伙儿 阅读(237) 评论(0) 推荐(0)