随笔分类 - 计算机视觉
计算机视觉
摘要：HSV颜色分量范围 一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（准确的范围在网上都没有给出）。 H: 0— 180 S: 0— 255 V: 0— 255
阅读全文
摘要：机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) cv2.blur(均值滤波) 参数说明：img表示输入的图片， (3, 3) 表示进行均值滤波的方框大小 blur = cv2.blur(img,(5,5)) cv2.boxfilter(方框滤波) 参数说明当normalize=True时，与均值
阅读全文
摘要：从YAML中构建一个新模型，并从头开始训练 yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640# 从预先训练的*.pt模型开始训练 yolo detect train data=coco128.yam
阅读全文
摘要：Hough圆检测获取瓶口位置和大小 '''hough圆变换''' cimg = cv2.cvtColor(bottle,cv2.COLOR_GRAY2BGR) # 转换成彩色图 circles = cv2.HoughCircles(median,cv2.HOUGH_GRADIENT,1,100, p
阅读全文
摘要：import numpy as np # 示例数据 y1 = np.array([[50, 100, 200, 300], [10, 20, 30, 40], [60, 70, 80, 90]]) y2 = np.array(['cat', 'dog', 'bird']) # 按左上角点的坐标排序y
阅读全文
摘要：ret, dst = cv2.threshold(src, thresh, maxval, type) src：输入图，只能输入单通道图像，通常来说为灰度图dst：输出图thresh：阈值maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值type：二值化操作的类型，就是
阅读全文
摘要：开、闭、梯度、顶帽、黑帽运算 开运算：腐蚀+膨胀 闭运算：膨胀+腐蚀 梯度：膨胀与腐蚀的差值图像 顶帽：原图-开运算 黑帽：原图-闭运算 dst = cv2.morphologyEx(img, Type, kernel) img：进行操作的原图 kernel：噪点大，用大核 Type： MORPH_
阅读全文
摘要：1.最简单的解释 频域就是频率域，平常我们用的是时域，是和时间有关的，这里只和频率有关，是时间域的倒数。时域中，X轴是时间， 频域中是频率。频域就是分析它的频率特性！ 2. 图像处理中： 空间域，频域，变换域，压缩域等概念！ 只是说要将图像变换到另一种域中，然后有利于进行处理和计算 比如说：图像经过
阅读全文
摘要：FFT是纹理检测的一种办法，而缺陷检测属于纹理检测的一部分。 要想检测缺陷，基本思路是： （１）fft变换 （２）卷积滤波（一般为了得到图像的高频部分） （３）fft逆变换 （４）到这一步缺陷被变得更明显，提取缺陷部分就容易很多。 先说说一些名词概念： 图像的时域形式：时域原义是现实世界的以时间为尺
阅读全文
摘要：形态学图像处理的基本运算有： 膨胀和腐蚀（膨胀区域填充，腐蚀分割区域） 开运算和闭运算（开运算去除噪点，闭运算填充内部孔洞） 击中与击不中 顶帽变换，黑帽变换 形态学的应用：消除噪声、边界提取、区域填充、连通分量提取、凸壳、细化、粗化等；分割出独立的图像元素，或者图像中相邻的元素；求取图像中明显的极
阅读全文
posted @ 2023-03-10 13:18
hotzhml
摘要：基于透视的图像矫正 以灰度图读入 腐蚀膨胀，闭合等操作 二值化图像 获取图像顶点 透视矫正 该方法不具有普适性，只针对比较干净对比度高的图像，只提供参考 from imutils.perspective import four_point_transform import imutils impor
阅读全文
摘要：图像旋转校正思路如下： 读入,灰度化 高斯模糊 二值化图像 闭开运算 获取图像顶点 旋转矫正 import cv2 import numpy as np def Img_Outline(input_dir): original_img = cv2.imread(input_dir) gray_img
阅读全文
摘要：基于傅里叶变换的图像矫正 import cv2 import numpy as np import math def fourier_demo(): #1、灰度化读取文件， img = cv2.imread('english_rotation.jpg',0) #2、图像延扩 h, w = img.s
阅读全文
posted @ 2023-02-09 16:02
hotzhml
摘要：1.threshold(Image : Region : MinGray, MaxGray : )这是最简单也是最常用的一种threshold，把那些灰度值在（MinGray，MaxGray）中的像素点选中，构成Region，而把其他灰度的像素点排除在外。2.fast_threshold(Image
阅读全文
摘要：select_shape特征选取参数说明 select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 150, 99999)
阅读全文
摘要：halcon的模板匹配可以归为三类： 1、基于灰度：灰度，互相关ncc2、基于形状：形状，组件3、基于描述符：描述匹配 1、基于灰度 基于灰度的模板匹配（不建议受灰度值影响太大）： 应用场合：定位对象内部的灰度值没有大的变化，没有缺失部分，没有干扰图像和噪声的场合。1.创建模板：create_tem
阅读全文
posted @ 2022-08-17 09:52
hotzhml
摘要：NMS算法（NonMaximumSuppression）：非极大值抑制（NMS）顾名思义就是抑制不是极大值的元素，搜索局部的极大值。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法，而是用于在目标检测中用于提取分数最高的窗口的。例如在行人检测中
阅读全文
摘要：摘要： 最近在做双目视差估计算法，在OpenCV里有一些算法，其中半全局块匹配（Semi-Global Block Matching，SGBM）算法具有视差效果好速度快的特点，因此常常被广泛应用。本文主要讨论的就是SGBM算法。 SGM聚合步骤示意图（视差图呈现）： 1 import argpars
阅读全文
摘要：计算机视觉（5）用AlexNet模型训练验证码模型 背景： AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，更多的更深的神经网络被提出，比如优秀的vgg,GoogLeNet。 这对于传统的机器学习分类算法而言，已经相
阅读全文
摘要：python生成随机验证码 用python生成验证码，为后期训练自己的模型做准备 import numpy as py from captcha.image import ImageCaptcha import os number = ['1', '2', '3', '4', '5', '6', '
阅读全文
浙公网安备 33010602011771号