摘要：
import tensorflow as tfglobal_step = tf.Variable(1.0, dtype=tf.float64, trainable=False, name='global_step')global_step_update = tf.assign_add(global_step, 1.0)sess=tf.Session()sess.run(tf.global_vari 阅读全文
摘要：
def image_preporcess(image, target_size, gt_boxes=None): image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB).astype(np.float32) ih, iw = target_size h, w, 阅读全文
摘要：
一.将读取文件夹内容，变为字典保存,代码如下： 二.读取文件变为矩阵，代码如下： 结果如下： 三 .将文件数据变成列表，代码如下： 结果如下： 阅读全文
摘要：
一 .tf.variable() 在模型中每次调用都会重建变量，使其存储相同变量而消耗内存，如： def repeat_value(): weight=tf.variable(tf.random_normal([5,5,6]),name='weight') return weight 如果多次调用函 阅读全文
摘要：
一.字典由键key与值value构成。如： a={'d':6,'f':'va'}print(a['f']) 上面代码简单建立字典，其中需要访问字典需要输入键值。二.又比如需要在某个关键字中添加数据，如下： a = {}for i in range(5): a[i]=[] # 将所有命令为空，下面.append才能执行print(a)a[0].append(5)a[0].append(6... 阅读全文
摘要：
import numpy as npimport cv2 as cvimg=np.zeros((400,410),np.uint8)points=np.random.randint(100,400,(20,2),np.int32)c = cv.convexHull(points) # 此函数包含所有points点，且为3维矩阵【n,1,2】print(c.shape)# print(c)for i 阅读全文
摘要：
在图像上划矩形 阅读全文
摘要：
图像为I,宽为W,高为H，hist_i代表I的灰度直方图，hist_i(k)代表灰度值等于k的像素点个数，其中k∈[0,255]。全局直方图均衡化操作是对图像I进行改变，使得输出图像O的灰度直方图hist_o是“平”的，即每一个灰度级的像素点个数是“相等”的（可为约等），即hist_o(k)≈H*W 阅读全文
摘要：
直方图正规化： 图像为I,宽为W,高为H，I(r,c)代表I的第r行第c列的灰度值；输出图像记为O,为使得输出图像的灰度值在[Omin，Omax]范围里，可用如下公式： （1） （2） 其中0≤r＜H,0≤c＜W。公式（1）是一个比列关系，变换后可为公式（2），即可求输出图像O（r,c）。 而Imi 阅读全文
摘要：
线性变换： 图像为I,宽为W,高为H，输出图像记为O,图像的线性变换可以利用一下公式定义： O(r,c)=a*I(r,c)+b 0≤r＜H,0≤c＜W 当a=1,b=0时，O为I的一个副本；如果a＞1，则输出图像O的对比度比I有所增加；如果0＜a＜1，则O的对比度比I有所减小。 而b值的改变，影响的 阅读全文