zl程序教程

Opencv 笔记

  • Opencv学习笔记 基于Haar级联的人脸检测/识别

    Opencv学习笔记 基于Haar级联的人脸检测/识别

    一、概述 1、了解Haar级联         Haar级联是基于Haar特征的级联分类器。什么是级联分类器?它只是一组弱分类器的串联,可用于创建强分类器。弱分类和强分类是什么意思呢?弱分类器是性能有限的分类器,它们没有能力正确地对一切事物进行分类。如果提出的问题非常简单,

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 - 使用opencvsharp和期望最大化

    Opencv学习笔记 - 使用opencvsharp和期望最大化

    一、期望最大化概述         期望最大化的受欢迎程度在很大程度上是因为它是从观察中学习参数的有效且稳健的程序。然而,通常可用于训练概率模型的唯一数据是不完整的。例如,在医学诊断中可能会出现缺失值,其中患者病史通常包括有限的一组测试的结果。或者,在基因表达聚类中,数据不完

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 - 使用opencvsharp和Boosting算法处理分类问题

    Opencv学习笔记 - 使用opencvsharp和Boosting算法处理分类问题

            决策树非常有用,但单独使用时它并不是表现最佳的分类器。改进的方法随机森林和Boosting算法。随机森林与Boosting算法都是在内部循环中使用决策树的,因此继承了决策树的许多优良属性,它们通常是机器学习库中最佳的“开箱即用”监督学习技术。Boosting算法

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 - DNN模块调用Caffe的人脸识别模型

    Opencv学习笔记 - DNN模块调用Caffe的人脸识别模型

    尝试使用Caffe的人脸识别模型,进行人脸识别 一、数据准备 res10_300x300_ssd_iter_140000.caffemodel deploy.prototxt.txt 下载地址:Caffe面部检测模型-深度学习文档类资源-CSDN下载https://download.csdn.net/download/bashendixie5/13

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 - 使用opencvsharp和knn进行手写识别训练和预测

    Opencv学习笔记 - 使用opencvsharp和knn进行手写识别训练和预测

    一、KNN概述         在所有的机器学习算法中,K近邻(KNN)几乎是最简单的,而且它既可用于分类(预测离散的类别标签),也可用于回归(预测连续的实数值)。尽管简单,但事实证明在某些任务中KNN非常有效。因为KNN需要存储所有的训练样本,占用内存很大,所以速度相对较慢

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 快速色彩转移

    Opencv学习笔记 快速色彩转移

            一、效果如下 色彩源 目标图

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 - 使用快速傅立叶变换(FFT)检测图像清晰度

    Opencv学习笔记 - 使用快速傅立叶变换(FFT)检测图像清晰度

            通常的图像清晰度检测大都是计算sobel、拉普拉斯算子的方差,不过大多数时候,拉普拉斯算子方法需要进行大量的手动调整,才能定义图像是否被视为模糊。如果您可以控制照明条件,环境和图像捕获过程,则效果很好,否则不会得到理想的结果。   &nbs

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 OpenCv4.5.0 + VS2019 创建c++测试项目

    Opencv学习笔记 OpenCv4.5.0 + VS2019 创建c++测试项目

    一、下载opencv         下载之后是一个exe文件,双击并解压到指定路径。 二、配置环境变量         (配置完最好重启电脑)         进行系统变量Path的配

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 简单形状检测

    Opencv学习笔记 简单形状检测

            参考代码如下: # import the necessary packages import cv2 import imutils def detect(c): # initialize the shape name and approximate the contour shap

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记 在OpenCV中使用Mask R-CNN

    Opencv学习笔记 在OpenCV中使用Mask R-CNN

     在OpenCV中调用预训练的COCO权重模型 如下目录结构: images --示例图片 mask-rcnn-coco文件夹,除pb文件的下载地址:https://github.com/QaisarRajput/mask-rcnn-opencv  pb文件的下载地址 mask_rcnn_inception_v2_co

    日期 2023-06-12 10:48:40     
  • 《学习opencv》笔记——矩阵和图像处理——cvAnd、cvAndS、cvAvg and cvAvgSdv

    《学习opencv》笔记——矩阵和图像处理——cvAnd、cvAndS、cvAvg and cvAvgSdv

    矩阵和图像的操作 (1)cvAnd函数 其结构 void cvAnd( //将src1和src2按像素点取“位与运算” const CvArr* src1,//第一个矩阵 const CvArr* src2,//第二个矩阵 CvArr* dst,//结果矩阵 const CvArr* mask = NULL;//矩阵经行像素点与的“开关” ); 程序实例

    日期 2023-06-12 10:48:40     
  • 【OpenCV笔记二】OpenCV调用Mac摄像头

    【OpenCV笔记二】OpenCV调用Mac摄像头

    #include <opencv2/highgui.hpp> #include <opencv2/opencv.hpp> #include <stdio.h> using namespace cv; int main(int argc, char** argv) { VideoCapture capture

    日期 2023-06-12 10:48:40     
  • OpenCV入门笔记(三) 图片处理

    OpenCV入门笔记(三) 图片处理

    OpenCV中提供了非常多处理图片的强大函数,能够对非常多格式的图片 加特效。有点实现Photoshop里的工具的感觉。 以下先介绍一些简单和常见的特效。 二值化(Image Threshold) 參考这里:Image Processing 二值化仅仅能处理灰度图。而所谓的灰度图。就是一幅仅仅用 0-255 这个范围来表示每个像素点的图像。灰度图没有色彩信息,看起来灰

    日期 2023-06-12 10:48:40     
  • opencv学习笔记(九)Mat 访问图像像素的值

    opencv学习笔记(九)Mat 访问图像像素的值

    对图像的像素进行访问,可以实现空间增强,反色,大部分图像特效系列都是基于像素操作的。图像容器Mat是一个矩阵的形式,一般情况下是二维的。单通道灰度图一般存放的是<uchar>类型,其数据存放格式如下: 多通道的图像中,每列并列存放通道数量的子列,如RGB三通道彩色图: 注意通道的顺序为BGR。通常在内存足够大的情况下,图像的每一行是连续存放的,亦即在内存上图像的所有数据组成一个一

    日期 2023-06-12 10:48:40     
  • opencv学习笔记(七)SVM+HOG

    opencv学习笔记(七)SVM+HOG

      opencv学习笔记(七)SVM+HOG 一、简介   方向梯度直方图(Histogram of Oriented Gradient,HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度直方图来构成特征。Hog特征结合SVM分类器已经被广泛用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测

    日期 2023-06-12 10:48:40     
  • opencv学习笔记(六)直方图比较图片相似度

    opencv学习笔记(六)直方图比较图片相似度

      opencv学习笔记(六)直方图比较图片相似度   opencv提供了API来比较图片的相似程度,使我们很简单的就能对2个图片进行比较,这就是直方图的比较,直方图英文是histogram, 原理就是就是将图片转换成直方图,然后对直方图进行比较,在某些程度,真实地反映了图片的相似度。 代码如下: 1 #include <iostream> 2 #include &l

    日期 2023-06-12 10:48:40     
  • opencv学习笔记(五)镜像对称

    opencv学习笔记(五)镜像对称

         opencv学习笔记(五)镜像对称   设图像的宽度为width,长度为height。(x,y)为变换后的坐标,(x0,y0)为原图像的坐标。 水平镜像变换:      代码实现:    1 #include <iostream> 2 #include <cv.h> 3 #include <highgui.h> 4 using n

    日期 2023-06-12 10:48:40     
  • opencv学习笔记(三)基本数据类型

    opencv学习笔记(三)基本数据类型

    opencv学习笔记(三)基本数据类型 类:DataType   将C++数据类型转换为对应的opencv数据类型   OpenCV原始数据类型的特征模版。OpenCV的原始数据类型包括unsigned char、bool、signed char、unsigned short、signed short、int、float、double以及由这些基础类型组成的元组,这些元组中的所有值都属于相同的类

    日期 2023-06-12 10:48:40     
  • OpenCV学习笔记——判断两张图的相似度

    OpenCV学习笔记——判断两张图的相似度

    判断两张图的相似度 方法 直方图对比法ORB算法 实验 1.直方图对比法 参考如何使用OpenCV3直方图方法进行人脸相似度对比 因为我的环境是VS2010+OpenCV2.4.8,所以在原版的基础上做了一点小修改。 #include <opencv2/opencv.hpp> #include "ope

    日期 2023-06-12 10:48:40     
  • opencv学习笔记——Scalar数据结构的理解

    opencv学习笔记——Scalar数据结构的理解

    首先看一下Scalar的定义 typedef struct Scalar { double val[4]; }Scalar; 可以看到,Scalar是一个由长度为4的数组作为元素构成的结构体,Scalar最多可以存储四个值,没有提供的值默认是0。 Scalar常用的使用场景如下: Mat M(7,7,CV_32FC2,Scalar(1,3

    日期 2023-06-12 10:48:40     
  • OpenCV学习笔记之课后习题练习3-5

    OpenCV学习笔记之课后习题练习3-5

    OpenCV学习笔记之课后习题练习2-5 练习使用感兴趣区域(ROI)。创建一个210*210的单通道图像并将其归0.在图像中使用ROI和cvSet()建立一个增长如金字塔状的数组。 参考博文:www.cnblogs.com/tingshuixuan2012/p/OpenCVExercises3_5.html www.cnblogs.com/vitah/archive/2013/05/22/30

    日期 2023-06-12 10:48:40     
  • OpenCV学习笔记之CXCORE篇

    OpenCV学习笔记之CXCORE篇

    转自blog.csdn.net/bbzz2/article/details/50764209

    日期 2023-06-12 10:48:40     
  • Opencv2系列学习笔记10(提取连通区域轮廓)

    Opencv2系列学习笔记10(提取连通区域轮廓)

    连通区域指的是二值图像中相连像素组成的形状。而内、外轮廓的概念及opencv1中如何提取二值图像的轮廓见我的这篇博客:http://blog.csdn.net/lu597203933/article/details/14489225  轮廓的简单提取算法如下:        系统性地扫描图像直到遇到连通区域的一个点,以它为起始

    日期 2023-06-12 10:48:40     
  • Opencv学习笔记(六)SURF学习笔记

    Opencv学习笔记(六)SURF学习笔记

    原创文章,转载请注明出处:http://blog.csdn.net/crzy_sparrow/article/details/7392345 本人挺菜的,肯定有非常多错误纰漏之处 ,希望大家不吝指正。      看了harris角点检測之后,開始研究SURF角点检測,发现挺复杂的,一时也仅仅了解了大概,把了解的东西总结下,以便下次深入学习。 &nb

    日期 2023-06-12 10:48:40