第2章计算机视觉入门 - 随笔分类 - 绿茵好莱坞

6-13 Hog特征1

摘要：Hog特征与Haar特征有点不同，Hog特征是直接经过模板计算得到的阅读全文

posted @ 2018-10-14 15:42 绿茵好莱坞阅读(186) 评论(0) 推荐(0) 编辑

6-12 SVM小结

摘要：介绍了SVM的概念以及如何利用SVM进行一个身高体重的训练和预测。如果类别比较简单的话，那么在二维空间上它有可能就是一条直线。如果类别比较复杂，那么投影到高维空间上它就是一个超平面。所以SVM的本质它就是寻求这样一个最优的超平面。超平面只要找到了，那么就可以利用这个超平面完成分类问题。 SVM支持很阅读全文

posted @ 2018-10-14 10:29 绿茵好莱坞阅读(199) 评论(0) 推荐(0) 编辑

6-11 SVM支持向量机2

摘要：SVM支持向量机的核：线性核。进行预测的时候我们需要把正负样本的数据装载在一起，同时我们label标签也要把正负样本的数据全部打上一个label。第四步，开始训练和预测。ml(machine learning(机器学习模块)). 阅读全文

posted @ 2018-10-14 09:23 绿茵好莱坞阅读(191) 评论(0) 推荐(0) 编辑

6-10 SVM支持向量机1

摘要：都是特征加上分类器。还将为大家介绍如何对这个数据进行训练。如何训练得到这样一组数据。其实SVM支持向量机，它的本质仍然是一个分类器。既然是一个分类器，它就具有分类的功能。我们可以使用一条直线来完成分类，这是一种比较简单的情况。这是在我们的二维平面上。二维平面上它是由直线和多个直线来组成。如果我们阅读全文

posted @ 2018-10-13 16:56 绿茵好莱坞阅读(201) 评论(0) 推荐(0) 编辑

6-9 Haar+adaboost人脸识别

摘要：我们重点分析了Haar特征的概念以及如何计算Haar特征，并介绍了Haar+Adaboost分类器它们的组合以及Adaboost分类器如何使用和训练。这节课我们将通过代码来实现一下Haar+Adaboost分类器实现的人脸识别。计算jpg图片的haar特征，不过这一步opencv已经帮我们做了，所阅读全文

posted @ 2018-10-12 17:22 绿茵好莱坞阅读(1344) 评论(0) 推荐(0) 编辑

6-8 adaboost分类器2

摘要：重点分析了Adaboost它的分类结构，以及如何使用Adaboost。这一节课讲解Adaboost分类器它训练的步骤以及训练好之后的XML文件的文件结构。所以这节课的核心是Adaboost分类器它的训练。如何来训练一个Adaboost分类器呢？第一步，完成初始化数据的权值分布。正常情况下初始化的权阅读全文

posted @ 2018-10-12 14:34 绿茵好莱坞阅读(427) 评论(0) 推荐(0) 编辑

6-7 adaboost分类器1

摘要：如何利用特征来区分目标，进行阈值判决。adaboost分类器它的优点在于前一个基本分类器分出的样本，在下一个分类器中会得到加强。加强后全体的样本那么再次进行整个训练。加强后的全体样本再次被用来训练下一个基本的分类器。我们正确的样本它的系数逐渐地减小，而我们的负样本得到了加强。这就是adaboost 阅读全文

posted @ 2018-10-11 20:42 绿茵好莱坞阅读(296) 评论(0) 推荐(0) 编辑

6-6 Haar特征3

摘要：B区域是包含AB这样两部分的。C区域是包含A和C这样两部分的。B区域和C区域它描述的是一个横条和一个竖条。D区域是四个方块之和。阅读全文

posted @ 2018-10-11 20:28 绿茵好莱坞阅读(391) 评论(0) 推荐(0) 编辑

6-5 Haar特征2

摘要：在遍历的过程中还需要考虑到一个步长的问题。这个模板一次滑动10个像素，那么总共就需要滑动9次。再加上最开始的第0次，合计在水平方向上和竖直方向上分别都有10个这样的模板，总共也就是100个模板。要计算完这100个模板才能把整幅图片上的Haar特征计算完毕。而如果我们的步长设置为5*5，那么这个运算量阅读全文

posted @ 2018-10-11 19:33 绿茵好莱坞阅读(200) 评论(0) 推荐(0) 编辑

6-4 Haar特征1

摘要：实际上特征就是图像中某个区域的像素点，经过某种四则运算之后得到的结果。所以说图像的特征它是像素经过运算之后得到的某一个结果。这个结果可以是一个具体的值，也可以是一个向量，又或是一个多维的元素。所以说特征它的本质实际上是像素的运算结果。之前章节给大家讲解的矩阵运算。如何利用特征来区分目标呢？阈值判决阅读全文

posted @ 2018-10-11 16:55 绿茵好莱坞阅读(318) 评论(0) 推荐(0) 编辑

6-3 图片合成视频

摘要：第二个参数-1描绘的是选择一个支持的编码器。这个方法完成的是写入对象的创建。第四个参数我们需要设置整个视频的大小，也就是size。这就是之前我们为什么要读取一张图片并且把size记录下来的原因。什么是解码器或者是编码器呢？如果大家想把一个视频分解成图片，那么视频在存储的时候并不是把图片一帧帧进行存储阅读全文

posted @ 2018-10-11 01:10 绿茵好莱坞阅读(252) 评论(0) 推荐(0) 编辑

6-2 视频分解图片

摘要：机器学习，如何组织数据？机器学习需要大量的训练样本、训练数据进行支持。那么这些数据来源于哪里呢？我们可以通过网络获取，也可以通过自己生成。第三步我们开始解码，通过parse方法完成整个数据的解析，拿到单帧视频。如果大家想保存那么可以使用imwrite。我们要捕获到一个视频，可以通过摄像头的方式，阅读全文

posted @ 2018-10-10 19:09 绿茵好莱坞阅读(302) 评论(0) 推荐(0) 编辑

第6章计算机视觉加强之机器学习 6-1 机器学习章节介绍

摘要：机器学习，就是通过让机器学习的方式，来达到实现某种功能的过程。它都有哪些使用场景呢？比如人脸检测，行人识别，车辆检测，安防监控等。机器学习=训练样本+特征+分类器。深度学习由海量的训练样本加上人工神经网络组成。共同点在于二者对于机器学习来说它需要一个明确的特征来进行提取，而对于深度学习来说它的样本阅读全文

posted @ 2018-10-09 17:37 绿茵好莱坞阅读(207) 评论(0) 推荐(0) 编辑

5-12 中值滤波

摘要：中值滤波，顾名思义就是取中间值来代替原来像素值的过程。定义一个3*3的模板，在这个模板中总共有9个像素，我们把这9个像素进行排序。排序完之后，我们选取中间的一个值替换掉原来的像素值。还是通过源代码的形式来给大家实现这样一个过程。 collect是一个数组。这个数组中装载的就是这9个元素。我们要对9个阅读全文

posted @ 2018-10-08 15:14 绿茵好莱坞阅读(580) 评论(0) 推荐(0) 编辑

5-11 高斯均值滤波

摘要：其中高斯滤波我们将直接使用opencv API的方式来调用，均值滤波我们将使用源码的形式来给大家解释。其实滤波和我们之前讲的边缘检测有点类似。就是用一个滤波核与我们的图像进行卷积运算。既然是要滤波，就说明原来图片肯定是有问题的。原图片中有很多小点，这些点都是一些噪源造成。高斯滤波是一个类似于模糊阅读全文

posted @ 2018-10-07 09:56 绿茵好莱坞阅读(241) 评论(0) 推荐(0) 编辑

5-10 磨皮美白

摘要：既然是双边滤波器，就说明有两个滤波的内核，一个滤出我们的噪声，另外一个保存我们的细节。这些参数要结合着我们当前双边滤波器它的算法原理以及它的滤波核来进行讲解。阅读全文

posted @ 2018-10-06 16:37 绿茵好莱坞阅读(173) 评论(0) 推荐(0) 编辑

5-9 亮度增强

摘要：实现一个最简单的美白效果：亮度增强。最简单的亮度增强，最简单的美白算法。阅读全文

posted @ 2018-10-06 15:09 绿茵好莱坞阅读(280) 评论(0) 推荐(0) 编辑

摘要：# 本质: 统计每个像素灰度出现的概率 0-255 p # 累计概率 # 1 0.2 0.2 第一个灰度等级它出现的概率是0.2 # 2 0.3 0.5 第二个灰度等级它出现的概率是0.3 # 3 0.1 0.6 第三个灰度等级它出现的概率是0.1 # 256 # 100 0.5 255*0.5 = new import cv2 import numpy as np import ma... 阅读全文

posted @ 2018-10-05 17:29 绿茵好莱坞阅读(255) 评论(0) 推荐(0) 编辑

5-7 灰度直方图均衡化

摘要：总共256个灰度等级，每一个灰度等级它都会有一个概率，同时也都会有一个累计概率。比如说100这个灰度等级，它的累计概率是0.5，这个新的值我们就可以制作一个100到这个新值之间的映射。以后所有的灰度等级为100的像素我们直接就用255*0.5这个new，这个新的像素来替代。替代完之后那么整体这个过阅读全文

posted @ 2018-10-05 12:23 绿茵好莱坞阅读(403) 评论(0) 推荐(0) 编辑

5-6 彩色直方图源码

摘要：总共是有256个灰度等级。count_b、count_g、count_r中的每一个灰度等级出现的次数进行归一化处理。阅读全文

posted @ 2018-10-05 07:54 绿茵好莱坞阅读(165) 评论(0) 推荐(0) 编辑

随笔分类 - 第2章计算机视觉入门