2019 年 2月随笔档案 - python我的最爱

机器学习进阶-目标跟踪-KCF目标跟踪方法 1.cv2.multiTracker_create(构造选框集合) 2. cv2.TrackerKCF_create(获得KCF追踪器) 3. cv2.resize(变化图像大小) 4.cv2.selectROI(在图像上框出选框)

摘要：1. tracker = cv2.multiTracker_create() 获得追踪的初始化结果 2.cv2.TrackerKCF_create() 获得KCF追踪器 3.cv2.resize(frame, (w, h), cv2.INTER_AEAR) # 进行图像大小的重新变化参数说明：fra 阅读全文

posted @ 2019-02-28 18:32 python我的最爱阅读(3823) 评论(0) 推荐(0) 编辑

机器学习进阶-光流估计 1.cv2.goodFeaturesToTrack(找出光流估计所需要的角点) 2.cv2.calcOpticalFlowPyrLK(获得光流检测后的角点位置) 3.cv2.add(进行像素点的加和)

摘要：1.cv2.goodFeaturesToTrack(old_gray, mask=None, **feature_params) 用于获得光流估计所需要的角点参数说明：old_gray表示输入图片，mask表示掩模，feature_params:maxCorners=100角点的最大个数,quali 阅读全文

posted @ 2019-02-28 00:07 python我的最爱阅读(7337) 评论(0) 推荐(1) 编辑

机器学习进阶-背景建模-(帧差法与混合高斯模型) 1.cv2.VideoCapture(进行视频读取) 2.cv2.getStructureElement(构造形态学的卷积) 3.cv2.createBackgroundSubtractorMOG2(构造高斯混合模型) 4.cv2.morpholyEx(对图像进行形态学的变化)

摘要：1. cv2.VideoCapture('test.avi') 进行视频读取参数说明：‘test.avi’ 输入视频的地址2. cv2.getStructureElement(cv2.MORPH_ELLIPSE, (3, 3)) # 构造一个全是1的kernel用于形态学的操作参数说明：cv2. 阅读全文

posted @ 2019-02-26 22:58 python我的最爱阅读(9945) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-答题卡识别判 1.cv2.getPerspectiveTransform(获得投射变化后的H矩阵) 2.cv2.warpPerspective(H获得变化后的图像) 3.cv2.approxPolyDP(近似轮廓) 4.cv2.threshold(二值变化) 7.cv2.countNonezeros(非零像素点个数)6.cv2.bitwise_and(与判断)

摘要：1.H = cv2.getPerspectiveTransform(rect, transform_axes) 获得投射变化后的H矩阵参数说明：rect表示原始的位置左上，右上，右下，左下， transform_axes表示变换后四个角的位置 2.cv2.warpPerspective(gray, 阅读全文

posted @ 2019-02-26 18:35 python我的最爱阅读(3428) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-停车场车位识别-keras预测是否停车站有车

摘要：import numpy import os from keras import applications from keras.preprocessing.image import ImageDataGenerator from keras import optimizers from keras.models import Sequential, Model from keras.laye... 阅读全文

posted @ 2019-02-26 10:38 python我的最爱阅读(931) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-停车场车位识别

摘要：第一步：去除背景第二步：进行灰度化第三步：使用cv2.canny进行边缘检测第四步：进行图像区域的选择第五步：使用霍夫曼进行直线检测第六步：对删选出的直线进行画图操作第七步：找出每一列车的x1, y1, x2, y2 第八步：根据gap间隔，找出每一列车所在的(x1, y1, x2, y 阅读全文

posted @ 2019-02-26 10:37 python我的最爱阅读(2975) 评论(0) 推荐(0) 编辑

机器学习进阶-案例实战-图像全景拼接-图像全景拼接(RANSCA) 1.sift.detectAndComputer(获得sift图像关键点) 2.cv2.findHomography(计算单应性矩阵H) 3.cv2.warpPerspective(获得单应性变化后的图像) 4.cv2.line(对关键点位置进行连线画图)

摘要：1. sift.detectAndComputer(gray， None) # 计算出图像的关键点和sift特征向量参数说明：gray表示输入的图片 2.cv2.findHomography(kpA, kpB, cv2.RANSAC, reproThresh) # 计算出单应性矩阵参数说明：kp 阅读全文

posted @ 2019-02-23 13:40 python我的最爱阅读(2805) 评论(1) 推荐(0) 编辑

机器学习进阶-案例实战-图像全景拼接-书籍SIFT特征点连接 1.cv2.drawMatches(对两个图像的关键点进行连线操作)

摘要：1.cv2.drawMatches(imageA, kpsA, imageB, kpsB, matches[:10], None, flags=2) # 对两个图像关键点进行连线操作参数说明：imageA和imageB表示图片，kpsA和kpsB表示关键点， matches表示进过cv2.BFMa 阅读全文

posted @ 2019-02-23 11:54 python我的最爱阅读(8211) 评论(0) 推荐(0) 编辑

机器学习进阶-图像特征sift-SIFT特征点 1.cv2.xfeatures2d.SIFT_create(实例化sift) 2. sift.detect(找出关键点) 3.cv2.drawKeypoints(画出关键点) 4.sift.compute(根据关键点计算sift向量)

摘要：1. sift = cv2.xfeatures2d.SIFT_create() 实例化参数说明：sift为实例化的sift函数 2. kp = sift.detect(gray, None) 找出图像中的关键点参数说明: kp表示生成的关键点，gray表示输入的灰度图， 3. ret = cv2 阅读全文

posted @ 2019-02-21 17:39 python我的最爱阅读(22034) 评论(1) 推荐(3) 编辑

机器学习进阶-图像特征harris-角点检测 1.cv2.cornerHarris(进行角点检测)

摘要：1.cv2.cornerHarris(gray, 2, 3, 0.04) # 找出图像中的角点参数说明：gray表示输入的灰度图，2表示进行角点移动的卷积框，3表示后续进行梯度计算的sobel算子的大小，0.04表示角点响应R值的α值角点检测：主要是检测一些边角突出来的点，对于A和B这样的面上的阅读全文

posted @ 2019-02-21 11:19 python我的最爱阅读(3557) 评论(0) 推荐(1) 编辑

机器学习进阶-项目实战-信用卡数字识别 1.cv2.findContour(找出轮廓) 2.cv2.boudingRect(轮廓外接矩阵位置) 3.cv2.threshold(图片二值化操作) 4.cv2.MORPH_TOPHAT(礼帽运算突出线条) 5.cv2.MORPH_CLOSE(闭运算图片内部膨胀) 6. cv2.resize(改变图像大小) 7.cv2.putText(在图片上放上文本)

摘要：7. cv2.putText(img, text, loc, text_font, font_scale, color, linestick) # 参数说明：img表示输入图片，text表示需要填写的文本str格式，loc表示文本在图中的位置，font_size可以使用cv2.FONT_HERSHE 阅读全文

posted @ 2019-02-20 23:26 python我的最爱阅读(3573) 评论(2) 推荐(0) 编辑

机器学习进阶-直方图与傅里叶变换-傅里叶变换(高低通滤波) 1.cv2.dft(进行傅里叶变化) 2.np.fft.fftshift(将低频移动到图像的中心) 3.cv2.magnitude(计算矩阵的加和平方根) 4.np.fft.ifftshift(将低频和高频移动到原来位置) 5.cv2.idft(傅里叶逆变换)

摘要：1. cv2.dft(img, cv2.DFT_COMPLEX_OUTPUT) 进行傅里叶变化参数说明: img表示输入的图片， cv2.DFT_COMPLEX_OUTPUT表示进行傅里叶变化的方法 2. np.fft.fftshift(img) 将图像中的低频部分移动到图像的中心参数说明：im 阅读全文

posted @ 2019-02-20 13:33 python我的最爱阅读(14971) 评论(0) 推荐(1) 编辑

机器学习进阶-直方图与傅里叶变化-直方图均衡化 1.cv2.equalizeHist(进行直方图均衡化) 2. cv2.createCLAHA(用于生成自适应均衡化图像)

摘要：1. cv2.equalizeHist(img) # 表示进行直方图均衡化参数说明：img表示输入的图片 2.cv2.createCLAHA(clipLimit=8.0, titleGridSize=(8, 8)) 用于生成自适应均衡化图像参数说明：clipLimit颜色对比度的阈值， titl 阅读全文

posted @ 2019-02-20 12:14 python我的最爱阅读(19108) 评论(0) 推荐(2) 编辑

机器学习进阶-直方图与傅里叶变换-图像直方图 1.cv2.calc(生成图像的像素频数分布(直方图))

摘要：1. cv2.calc([img], [0], mask, [256], [0, 256]) # 用于生成图像的频数直方图参数说明: [img]表示输入的图片， [0]表示第几个通道， mask表示掩码，通常生成一部分白色，一部分黑色的掩码图， [256]表示直方图的个数， [0, 256]表示数阅读全文

posted @ 2019-02-20 11:18 python我的最爱阅读(4540) 评论(0) 推荐(0) 编辑

机器学习进阶-图像金字塔与轮廓检测-模板匹配（单目标匹配和多目标匹配）1.cv2.matchTemplate(进行模板匹配) 2.cv2.minMaxLoc(找出矩阵最大值和最小值的位置(x,y)) 3.cv2.rectangle(在图像上画矩形)

摘要：1. cv2.matchTemplate(src, template, method) # 用于进行模板匹配参数说明： src目标图像， template模板，method使用什么指标做模板的匹配度指标 2. min_val, max_val, min_loc, max_loc = cv2.min 阅读全文

posted @ 2019-02-19 20:26 python我的最爱阅读(16944) 评论(0) 推荐(1) 编辑

机器学习进阶-图像金字塔与轮廓检测-轮廓检测 1.cv2.cvtColor(图像颜色转换) 2.cv2.findContours(找出图像的轮廓) 3.cv2.drawContours(画出图像轮廓) 4.cv2.contourArea(轮廓面积) 5.cv2.arcLength(轮廓周长) 6.cv2.aprroxPloyDP(获得轮廓近似) 7.cv2.boudingrect(外接圆)..

摘要：1. cv2.cvtcolor(img, cv2.COLOR_BGR2GRAY) # 将彩色图转换为灰度图参数说明: img表示输入的图片， cv2.COLOR_BGR2GRAY表示颜色的变换形式 2. cv2.findContours(img，mode, method) # 找出图中的轮廓值，得阅读全文

posted @ 2019-02-19 17:17 python我的最爱阅读(21519) 评论(1) 推荐(2) 编辑

机器学习进阶-图像金字塔与轮廓检测-图像金字塔(拉普拉斯金字塔)

摘要：拉普拉斯金字塔: 使用原始图片 - pyrUp(pyrDown(Gi))，获得的结果有一点像边缘轮廓的提取上图的意思：1.进行低通滤波 2.进行样本的下采样 3. 进行样本的上采样 4.原始图片 - 经过上面三步后的图片代码：第一步：读入图片第二步：进行样本的下采样第三步：进行样本的上采阅读全文

posted @ 2019-02-19 15:39 python我的最爱阅读(947) 评论(0) 推荐(0) 编辑

机器学习进阶-图像金字塔与轮廓检测-图像金字塔-(**高斯金字塔) 1.cv2.pyrDown(对图片做向下采样) 2.cv2.pyrUp(对图片做向上采样)

摘要：1.cv2.pyrDown(src) 对图片做向下采样操作，通常也可以做模糊化处理参数说明：src表示输入的图片 2.cv2.pyrUp(src) 对图片做向上采样操作参数说明：src表示输入的图片高斯金字塔：分为两种情况：一种是向下采样，一种是向上采样下采样的原理：先与Gi进行高斯卷积即高阅读全文

posted @ 2019-02-19 15:12 python我的最爱阅读(2110) 评论(0) 推荐(0) 编辑

机器学习进阶-边缘检测-Canny边缘检测 1.cv2.Canny(进行Canny边缘检测)

摘要：1. cv2.Canny(src, thresh1, thresh2) 进行canny边缘检测参数说明: src表示输入的图片， thresh1表示最小阈值，thresh2表示最大阈值，用于进一步删选边缘信息 Canny边缘检测步骤：第一步：使用高斯滤波器进行滤波，去除噪音点第二步：使用sob 阅读全文

posted @ 2019-02-18 19:48 python我的最爱阅读(24607) 评论(0) 推荐(0) 编辑

机器学习进阶-图像梯度计算-scharr算子与laplacian算子(拉普拉斯) 1.cv2.Scharr(使用scharr算子进行计算) 2.cv2.laplician(使用拉普拉斯算子进行计算)

摘要：1. cv2.Scharr(src，ddepth, dx, dy)，使用Scharr算子进行计算参数说明：src表示输入的图片，ddepth表示图片的深度，通常使用-1，这里使用cv2.CV_64F允许结果是负值， dx表示x轴方向算子，dy表示y轴方向算子 2.cv2.laplacian(s 阅读全文

posted @ 2019-02-18 17:59 python我的最爱阅读(2315) 评论(0) 推荐(0) 编辑

机器学习进阶-图像梯度运算-Sobel算子 1. cv2.Sobel(使用Sobel算子进行计算) 2. cv2.convertScalerAbs(将像素点进行绝对值的计算)

摘要：1.cv2.Sobel(src, ddepth, dx, dy, ksize) 进行sobel算子计算参数说明：src表示当前图片，ddepth表示图片深度，这里使用cv2.CV_64F使得结果可以是负值， dx表示x轴方向，dy表示y轴方向, ksize表示移动方框的大小 2.cv2.conve 阅读全文

posted @ 2019-02-18 17:24 python我的最爱阅读(3578) 评论(0) 推荐(0) 编辑

机器学习进阶-图像形态学变化-礼帽与黑帽 1.cv2.TOPHAT(礼帽-原始图片-开运算后图片) 2.cv2.BLACKHAT(黑帽闭运算-原始图片)

摘要：1.op = cv2.TOPHAT 礼帽：原始图片-开运算后的图片 2. op=cv2.BLACKHAT 黑帽：闭运算后的图片-原始图片礼帽：表示的是原始图像-开运算(先腐蚀再膨胀)以后的图像黑帽：表示的是闭运算(先膨胀再腐蚀)后的图像 - 原始图像代码：第一步：读取图片第二步：使用cv 阅读全文

posted @ 2019-02-18 13:56 python我的最爱阅读(1776) 评论(0) 推荐(0) 编辑

机器学习进阶-图像形态学操作-梯度运算 cv2.GRADIENT(梯度运算-膨胀图像-腐蚀后的图像)

摘要：1.op = cv2.GRADIENT 用于梯度运算-膨胀图像-腐蚀后的图像梯度运算：表示的是将膨胀以后的图像 - 腐蚀后的图像，获得了最终的边缘轮廓代码：第一步：读取pie图片第二步：进行腐蚀和膨胀操作第三步：将膨胀的图像 - 腐蚀的图像，获得相减得图像第四步：使用cv2.morpho 阅读全文

posted @ 2019-02-18 13:38 python我的最爱阅读(1216) 评论(0) 推荐(0) 编辑

机器学习进阶-图像形态学操作-开运算与闭运算 1.cv2.morphologyEx(进行各类形态学变化) 2.op=cv2.MORPH_OPEN(先腐蚀后膨胀) 3.op=cv2.MORPH_CLOSE(先膨胀后腐蚀)

摘要：1.cv2.morphologyEx(src, op, kernel) 进行各类形态学的变化参数说明:src传入的图片，op进行变化的方式， kernel表示方框的大小 2.op = cv2.MORPH_OPEN 进行开运算，指的是先进行腐蚀操作，再进行膨胀操作 3. op = cv2.MORPH 阅读全文

posted @ 2019-02-18 13:18 python我的最爱阅读(6427) 评论(0) 推荐(0) 编辑

机器学习进阶-图像形态学操作-膨胀操作 1.cv2.dilate(进行膨胀操作)

摘要：1.cv2.dilate(src, kernel, iteration) 参数说明: src表示输入的图片， kernel表示方框的大小， iteration表示迭代的次数膨胀操作原理：存在一个kernel，在图像上进行从左到右，从上到下的平移，如果方框中存在白色，那么这个方框内所有的颜色都是白色阅读全文

posted @ 2019-02-18 12:39 python我的最爱阅读(23048) 评论(0) 推荐(0) 编辑

机器学习进阶-图像形态学操作-腐蚀操作 1.cv2.erode(进行腐蚀操作)

摘要：1.cv2.erode(src, kernel, iteration) 参数说明：src表示的是输入图片，kernel表示的是方框的大小，iteration表示迭代的次数腐蚀操作原理：存在一个kernel，比如(3, 3)，在图像中不断的平移，在这个9方框中，哪一种颜色所占的比重大，9个方格中将都阅读全文

posted @ 2019-02-18 12:10 python我的最爱阅读(12158) 评论(0) 推荐(1) 编辑

机器学习进阶-阈值与平滑-图像平滑操作(去噪操作) 1. cv2.blur(均值滤波) 2.cv2.boxfilter(方框滤波) 3. cv2.Guassiannblur(进行高斯滤波) 4. cv2.medianBlur(进行中值滤波)

摘要：1.cv2.blur(img, (3, 3)) 进行均值滤波参数说明：img表示输入的图片， (3, 3) 表示进行均值滤波的方框大小 2. cv2.boxfilter(img, -1, (3, 3), normalize=True) 表示进行方框滤波，参数说明当normalize=True时，阅读全文

posted @ 2019-02-17 17:28 python我的最爱阅读(18534) 评论(2) 推荐(0) 编辑

机器学习进阶-阈值与平滑-图像阈值 1. cv2.threshold(进行阈值计算) 2. 参数type cv2.THRESH_BINARY(表示进行二值化阈值计算)

摘要：1. ret, dst = cv2.thresh(src, thresh, maxval, type) 参数说明， src表示输入的图片， thresh表示阈值， maxval表示最大值， type表示阈值的类型 2. type的类型 1.cv2.THRESH_BINARY 表示阈值的二值化操作，大阅读全文

posted @ 2019-02-17 16:24 python我的最爱阅读(1930) 评论(0) 推荐(0) 编辑

机器学习进阶-图像基本操作-数值计算 1.cv2.add(将图片进行加和) 2.cv2.resize（图片的维度变换） 3.cv2.addWeighted(将图片按照公式进行重叠操作)

摘要：1.cv2.add(dog_img, cat_img) # 进行图片的加和参数说明： cv2.add将两个图片进行加和，大于255的使用255计数 2.cv2.resize(img, (500, 414)) # 根绝给定的维度进行变化 cv2.resize(img, (0, 0), fx=3, f 阅读全文

posted @ 2019-02-17 12:23 python我的最爱阅读(6032) 评论(0) 推荐(0) 编辑

机器学习进阶-图像基本操作-边界补全操作 1.cv2.copyMakeBoder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REPLICATE) 进行边界的补零操作 2.cv2.BORDER_REPLICATE(边界补零复制操作)...

摘要：1.cv2.copyMakeBoder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REPLICATE) 参数说明： img表示需要补零的图片， top_size, bottom_size, left_size, rig 阅读全文

posted @ 2019-02-17 11:40 python我的最爱阅读(2903) 评论(0) 推荐(1) 编辑

机器学习进阶-图片基本处理-ROI区域 1.img[0:200, 0:200]截取图片 2.cv2.split(对图片的颜色通道进行拆分) 3. cv2.merge(将颜色通道进行合并) 4 cur_img[:, :, 0] = 0 使得b通道的颜色数值为0

摘要：1. 截取图片的部分区域img[0:200, 0:200], 读入的图片是ndarray格式 2. b, g, r = cv2.split(img) # 对图片的颜色通道进行拆分 3.img = cv2.merge((b, g, r)) #对图片的颜色通道进行合并 4. 对其他通道置零，只显示单个通阅读全文

posted @ 2019-02-17 11:00 python我的最爱阅读(5227) 评论(0) 推荐(1) 编辑

机器学习进阶-图像基本处理-视频的读取与处理 1.cv2.VideoCapture(视频的载入) 2.vc.isOpened(载入的视频是否可以打开) 3.vc.read(视频中一张图片的读取) 4.cv2.cvtColor(将图片转换为灰度图)

摘要：1.vc = cv2.VideoCapture('test.mp4') #进行视频的载入 2.vc.isOpened() # 判断载入的视频是否可以打开 3.ret, frame = vc.read() #进行单张图片的读取，ret的值为True或者Flase， frame表示读入的图片 4.cv2 阅读全文

posted @ 2019-02-17 10:16 python我的最爱阅读(1781) 评论(0) 推荐(1) 编辑

机器学习进阶-图像基本操作-图像数据读取 1.cv2.imread(图片读入) 2.cv2.imshow(图片展示) 3.cv2.waitKey(图片停留的时间) 4.cv2.destroyAllWindows(清除所有的方框界面) 5.cv2.imwrite(对图片进行保存)

摘要：1. cv2.imread('cat.jpg'， cv2.IMGREAD_GRAYSCALE) # 使用imread读入图像(BGR顺序), 使用IMGREAD_GRAYSCALE 使得读入的图片为灰度图， 2. cv2.imshow('cat', img) # imshow表示展示图片，第一个参数阅读全文

posted @ 2019-02-17 09:38 python我的最爱阅读(3512) 评论(0) 推荐(0) 编辑

机器学习进阶-svm支持向量机

摘要：支持向量机需要解决的问题：找出一条最好的决策边界将两种类型的点进行分开这个时候我们需要考虑一个问题，在找到一条直线将两种点分开时，是否具有其他的约束条件，这里我们在满足找到一条决策边界时，同时使得距离边界最近的点到边界的距离最远，对于下图而言，我们可以看出右边的图比左边的图的分类效果要好，因为点到阅读全文

posted @ 2019-02-16 13:15 python我的最爱阅读(416) 评论(0) 推荐(1) 编辑

搜索

常用链接

积分与排名

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论