08 2022 档案
摘要：电脑白屏解决方法 问题描述 电脑突然白屏，桌面上什么东西都没有，只剩下一个鼠标光标，关机重启的选项也看不到，物理关机（按电脑上的关机键）重新打开之后依然是白屏界面。 解决方法 桌面白屏即Window图形界面无法使用，我们选择**==重新启动explorer.exe程序==** explorer.ex
阅读全文
摘要：随机事件和概率 P(B/A) = P(AB)/P(A) 条件概率 **A发生的条件下，B发生的概率称为条件概率，记为P(B|A), ** 当P(A) ≠ 0, P(B|A) = p(AB)/P(A) 题眼： A发生的条件下，B……的概率 已知A发生或出现时，B……的概率 常见分布 正态分布 分布表
阅读全文
摘要：数据结构 表 线性表 SqList 单链表LinkList 广义表GList 定义 广义表是线性表的推广，也可以被称作列表（List）。最为常见的广义表的应用就是Lisp语言，其源程序本身就是一系列广义表。 广义表一般记作：。 其中，LS为广义表的名称，n为其
阅读全文
摘要：1、操作系统引论 操作系统发展与分类 批处理 主要缺点：缺少==交互性== 多道程序设计技术 提高系统利用率和吞吐量 分时系统 交互功能 实时系统 及时响应 操作系统接口 命令接口 图形接口 键盘、鼠标命令等 命令行解释程序、shell文件 程序接口 提供==系统调用== 给运行应用程序访问操作系统
阅读全文
摘要：Pythcarm运行Python程序 不写main函数，直接运行python程序： 按**Ctrl+Shift+F10** Pycharm一键格式化代码 Alt+Ctrl+L vscode一键格式化代码 Shift + Alt + F
阅读全文
摘要：Painting Light 1. 前期工作 理解核心代码所需的预备知识 关于BMP文件格式的详解 https://blog.csdn.net/zjq_1314520/article/details/53830349 BMP位图与调色板分析 https://blog.csdn.net/qsycn/a
阅读全文
摘要：一、全景图像拼接调试日志 1. 在Pycharm中导入项目代码 报错：module 'cv2.cv2' has no attribute 'xfeatures2d' 解决：该算法被申请了专利，将opencv版本退到3.4.2， 卸载之前的包 pip uninstall opencv-python p
阅读全文
摘要：58. 图像检索 相似检索 颜色、纹理、形状 局部特征点 词包（Bag Of Visual Word） 相似颜色检索 算法结构： 目标： 实现基于人类颜色感知的相似排序 模块：颜色特征 提取 & 特征 相似度 计算 颜色特征提取： 目标：统计图片的颜色成份 → 颜色聚类直方图 方法： 使用K-mea
阅读全文
摘要：[实验]人脸识别 代码理解 # 导入工具包 from collections import OrderedDict import numpy as np import argparse import dlib import cv2 参数设定 # https://ibug.doc.ic.ac.uk/r
阅读全文
摘要：[实验] 物体识别dnn_blob blob——难以名状的一团 dnn模块使用caffe模型 1、通过readNet()函数加载caffe模型 2、读取图像，并将调用blobFromImage，将图像转换为4维的blob，其中mean= cv::Scalar(125, 123, 124)。 3、设置
阅读全文
摘要：57. 卷积神经网络 Classification 分类 Retrieval 相关推荐 Detection 图像检测[ 分类和回归 ] self-driving cars GPU图像处理单元——显卡[显存] Titan X 8000 12G/ Tegra X1 1080 5000 8G Segmen
阅读全文
摘要：[实验] 图像处理特征检测 应用： 机器人运动规划 如果用局部特征来表示的话，这些特征应该具有什么样的特性？ 尺度不变性 场景识别 视觉局部特征 不变性：一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述方法。 优点 独特性(Distinctiveness) 不变性(Inv
阅读全文
摘要：48. matplotlib pyplotshow函数的使用 imshow imshow ( X, cmap = None ) x : 要绘制的图像 cmap : colormap, 颜色色谱， 默认为RGBA(A) 颜色空间 显示问题 灰度图像 colormap, 颜色图谱，默认为RGB(A)颜色
阅读全文
摘要：[实验]模板匹配 模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。 所以模板匹配首先需要一个模板图像T（给定的子图像） 另外需要一个待检测的图像-源图像S 工作方法，在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度程度越大，两者相同的可能性越大 T-灰度变换-二值化-轮廓
阅读全文
摘要：38. 图像轮廓 轮廓 边缘检测能够测出边缘，但是边缘是不连续的。 将边缘连接为一个整体，构成轮廓。 注意： 对象是二值图像。所以需要预先进行阈值分割或者边缘检测处理。 查找轮廓需要更改原始图像。因此，通常使用原始图像的一份拷贝操作。 在OpenCV中，是从黑色背景中查找白色对象。因此，对象必须是白
阅读全文
摘要：31. canny边缘检测原理 Canny边缘检测的一般步骤 去噪 边缘检测容易受到噪声的影响。因此，在进行边缘检测前，通常需 要先进行去噪。 通常采用高斯滤波器去除噪声。 让临近的像素具有更高的重要度。对周围像素计算加权平均值，较近的像素具有较大的权重值。 梯度 对平滑后的图像采用sobel算子计
阅读全文
摘要：26. sobel理论基础 27. sobel算计及其函数使用 dst = cv2.Sobel( src, ddepth, dx, dy, [ ksize ]) dst, 计算结果 src, 原始图像 ddepth, 处理结果图像深度 dx, x轴方向 dy, y轴方向 ks
阅读全文
摘要：19. 图像腐蚀 基础 1. 形态学转换主要针对的是二值图像 2. 两个输入对象。 对象1： 二值图像 对象2： 卷积核 卷积核的中心逐个像素扫描原始图像 被扫描到的元素图像中的像素点，只有当卷积核对应的元素值均为1时，其值才为1，否则值为0 函数erode dst = cv2.erode(
阅读全文
摘要：13. 基础理论 二进制阈值化 函数表示： Dst（x,y） = {maxVal if src(x,y) >thresh ; 0 otherwise 说明：如果像素值比阈值大那么取最大值maxval，否则取最小值0 反二进制阈值化 （则选定一个特定的灰度值作为阈值） 函数表示：Dst（x，y） =
阅读全文
摘要：7. 通道的拆分与合并 拆分通道 例： Import v2 Import numpy as np a = cv.imread(“image\lenacolor.png”) b,g,r = cv2.split(a) cv2.imshow(“B”,b) cv2.imshow(“G”g) cv2.imsh
阅读全文
摘要：1. 图像读入、显示与保存 1.1 读入图像 retval = cv2.imread(文件名，[,显示控制参数]) 文件名： 完整文件名 参数： cv.IMREAD_UNCHANGED cv.IMREAD_GRAYSCALE cv.IMREAD_COLOR 例：img = c
阅读全文
