随笔分类 - 图像处理Opencv/Matlab
摘要：论文地址 https://proceedings.neurips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf 网络结构 论文里画的有点乱，这个更清楚一点 cifar10数据集官网就可以直接下载，keras里也内置下载函数
阅读全文
摘要：连通域分析其实是一个路径搜索问题，搜索方式就看联通的规则（4联通：上下左右算是联通，8联通：上下左右还有四个对角） 01矩阵背景是0，黑色的，有色区域是1，白色的，从图像的左上角（最外围的边要去掉）进行遍历，将找到的第一个值为1的像素点作为起点，对他进行连通域搜寻，将搜寻到的整个连通域内的像素点标为
阅读全文
摘要：把时间戳加到图像的前几个像素，前三位是小时，分钟，秒，后两位是毫秒，因为毫秒是四位数 time_t t=time(NULL); std::chrono::time_point<std::chrono::system_clock, std::chrono::milliseconds> tp = std
阅读全文
摘要：煤矸石分类项目，提取的煤矸石灰度均值和灰度方差作为特征进行分类，SVM的简单代码如下，使用的二次封装的opencv库，在其他机器上运行将头文件和条件编译宏替换成opencv自己的就可以了 #include "sv.h" #ifdef _DEBUG #pragma comment(lib,"BoxCV
阅读全文
摘要：SURF(Speeded Up Robust Features)特征关键特性 特征匹配，特征识别等方面有很好的效果，具有四个特征 --特征检测 --尺度空间（尺度不变性） --选择不变性(光照不变性，旋转不变性) --特征向量(匹配用) 特征检测整个流程可以用DDM来概括，第一个D是detector
阅读全文
摘要：理论与现实总是不一致的，实际情况下几乎所有角点都不是一个准确的像素点，因为图像的边缘不是之间有黑到白，而往往存在一个灰度的过度。（100，5）实际上 （100.234，5.789),而我们在跟踪、三维重建，相机校正等应用上又都需要精确的像素位置。有以下几种解决方法 1.插值法 通过周围四个点的变化情
阅读全文
摘要：自定义角点检测器是基于Harris和Shi-Tomasi角点检测的 首先通过计算矩阵M来得出λ1λ2两个特征值，然后根据他们得到角点响应值 然后自己设置阈值实现实现计算出阈值得到有效响应值的角点位置 API cv::cornerEigenValsAndVecs ( InputArray src, O
阅读全文
摘要：背景：煤矸石识别项目，需要先检测再识别，检测采用基于轮廓的定位方法，先找出轮廓，再求出轮廓的质心作为检测目标的中心点。但是遇到问题：图像边缘的煤矸石轮廓无法闭合，找到的中心店不准确，有时会出现一块石头两个中心点的情况 对预处理图像进行像素操作，图像二值化后将边界全部赋值为255也就是填充为白色可以解
阅读全文
摘要：Shi-Tomasi原理几乎和Harris一样的，只不过最后计算角点响应的公式发生了变化 变为 min（λ1，λ2） 这样计算会变得更简单 API cv::goodFeaturesToTrack( InputArray src, //默认灰度图像 OutputArray corners, int m
阅读全文
摘要：Harris角点提取算法：Harris 角点提取算法是Chris Harris 和Mike Stephens 在H.Moravec 算法的基础上发展出的通过自相关矩阵的角点提取算法，又称Plessey算法。Harris角点提取算法这种算子受信号处理中自相关面数的启发，给出与自相关函数相联系的矩阵M。
阅读全文
摘要：增加了标记，分水岭变换与着色，着色中的轮廓填充判定条件可以仔细看一下，下面是分水岭分割完整代码 #include"pch.h" #include<iostream> #include<opencv2/opencv.hpp> #include<math.h> using namespace std;
阅读全文
摘要：什么是图像分割 image segmentation 直观含义就是将图像从背景中分离开 图像分割是图像处理最重要的处理手段之一 图像分割的目标是将图像中的像素根据一定的规则分为若干个cluster几何，每个集合包含一类像素 根据算法分为监督学习方法和无监督学习方法，图像分割的算法多数都是无监督的学习
阅读全文
摘要：机器人手眼标定功能的一部分 计划采用九点标定，九点标定通过变换矩阵就可以完成，在opencv中就是一个api，但是问题是无法很好的进行机器人坐标与图像点的对应 解释一下问题： 机器人自己有个坐标系，机器人照片采集的图像也有一个坐标系，手眼标定就是将图像的坐标系转换成机器人的坐标系，相当于告诉机器人，
阅读全文
摘要：什么叫点多边形检测 测试一个点是否在给定的多边形内部，边缘或者外部 根据所有点到多边形中心距离可以生成一幅图像（测试图） cv::pointPolygonTest InputArray contour 输入的轮廓 Point2f pt 测试点 bool measureDist 是否返回距离值，否的话
阅读全文
摘要：什么叫图像矩 主要指几何矩，还存在复数矩 几何矩像素值与像素位置积的求和 中心距 中心归一化矩 矩一般对二值图像提取的轮廓再进行特征提取 图像的中心位置，使用图像的一阶矩除零阶矩m10和m01表示1阶矩，0+1=1，m00表示0阶矩 x0=m10/m00,y0=m01/m00 矩存储在moments
阅读全文
摘要：实现顺序 彩色图转灰度图 滤波处理（高斯滤波/均值滤波） 二值化处理 发现轮廓，找到图形轮廓 通过api在轮廓点上找到最小包含矩形和圆，旋转矩形与椭圆 进行绘制 RDP算法API approxPolyDP InputArray curve 输入点集 OutputArray approxCurve 输
阅读全文
摘要：包含点s集合中所有点的最小凸多边形的名字叫凸包 Graham扫描算法： 1.从y轴最低点作为起始点p0 2.从p0开始极坐标扫描，依次遍历图中所有的点，按极坐标角度大小，逆时针方向遍历 3.如果新遍历的点能产生一个左旋转，则将该点添加到凸包中，否则舍去 实现流程 1.彩色图像转灰度图像 2.灰度图像
阅读全文
摘要：轮廓发现是基于图像边缘提取寻找对象轮廓的方法，所以边缘提取的阈值选定会影响最终的轮廓发现结果 cv::findContours() InputOutputArray binImg//输入图像，非0像素被看成1，0的像素值保持不变8-bit OutputArrayOfArrays contours//
阅读全文
摘要：通过比较两幅图像的灰度直方图来确定相似性 一共四种方法 第一种：相关性比较 值的范围是-1~1相关性由小到大 第二种：卡方计算 越小表示相关性越强 第三种：十字交叉运算 第四种：巴氏距离计算 取值范围0~1，距离越小相关性越强 运算之前先要把rgb转化为hsv，然后将像素值归一化到0~1之间 #in
阅读全文
摘要：首先要明确什么是直方图 直方图反应图像灰度的分布情况，属于统计学特征。同样的，图像的梯度方向（0-180°）也可以做成直方图形式，类似的数据结构都可以制作成直方图 什么是直方图均衡化 直方图均衡化是一种提高灰度图像对比度的方法，将图像灰度从一个分布映射到另一个分布上 直方图均衡化由概率密度函数积分推
阅读全文
