一、概述 骨龄测定系统其实就是图像处理和模式识别系统,其中一般包括了以下几部分:图像采集、图像预处理、图像分割、特征提取和骨龄识别等。 计算机骨龄测定其实很简单,就是利用计算机技术,通过对手掌骨X 光线片进行分析,提取X 光线片的相关部分,与这些部位骨发育标准进行比较,从而推算出生理发育年龄。1.图像预处理
转载
2024-03-05 17:00:42
220阅读
最近一个项目是在做手势的识别，使用传统的图像匹配方法误差率太大，还是得上深度学习。以前我听信网上很多人的言论，认为深度学习只是概率统计的一个衍生，本身的理论水平有限，只能作为调参侠来使用神经网络，或者利用一些Trick或者技巧来实验性地改造神经网络，没有理论的支持。因此我认为深度学习只是昙花一现的事务，如今中国大兴的人工智能浪潮有点太过。但做了这么多项目以来，我越来越感觉到机器学习的强大，越来越懂
转载
2024-02-21 14:17:27
243阅读
文章目录C++ 书写Hello World滚动条函数键盘操作鼠标操作头文件读取图像色彩空间转换颜色表操作通道分离彩色图像阈值分割创建图像计时读取文件夹所有图像遍历图像新建图像加载图像并判断是否读入转为灰度图遍历图像像素值/像素值读写像素值算数操作像素逻辑操作几何形状绘制绘制矩形随机颜色绘制多边形格式转换滤波算法双边滤波增强算法阈值分割模板匹配边缘检测直线检测形态学操作图像运算像素值统计求最大值、
转载
2024-04-06 11:01:36
353阅读
在上文已经学习过了opencv的编码规则，为了能够方便灵活的运用OPECV库，我们需要对其框架结构进行学习了解，以方便我们进行实际工程调用调用。1、Opnecv库到底提供了什么？ 打开opencv源码安装的文件夹E:\opencv\opencv 可以看到上述文件，很明显，Opencv解压后，提供给我们一个编译环境及工程的源码环境以及使用的LICENSE。2、Opencv库build
转载
2024-04-05 08:42:04
134阅读
模型效果：在上文中，我们制作了数据集，并利用数据集进行了模型的训练，利用静态图片和视频对模型的检测效果进行了检验，发现效果还是不错的。 前两张为静态图片检测，后一张为视频检测效果截图。 但是模型要想部署在算力微弱的树莓派上，还需要进行两次模型转化才能运行在NCS上进行前向推理。模型转化：第一次转化：（.weight–>.pb）这里的模型转化OpenVINO给出了官方指南https://doc
转载
2024-05-29 20:57:44
61阅读
参考博文：人体姿态项目的一个https://learnopencv/deep-learning-based-human-pose-estimation-using-opencv-cpp-python/参考github连接：https://github/spmallick/learnopencv/tree/master/OpenPose本项目实现：1.single 单人图像的姿态
转载
2024-03-14 09:12:05
26阅读
用Matlab实现裂缝识别，代码实现21世纪以来，随着我国经济的飞速发展，关系到整个国民经济及人民生活的重要物理设施之一的道路交通也展开了大规模的建设。道路面积的大幅增长同时带来了相关的道路养护问题。这些问题最初可能只是一条小小的裂缝，但是如果没有得到及时修缮，随着时间的推移，小问题可能会变得无法简单修补，甚至于带来不必要的灾难，给人类、物资带来不可挽回的损失。近几年来，道路裂缝的检测和识别技术已
转载
2024-07-03 10:35:01
210阅读
Graph Cut 与Grab Cut 都是基于图论得分割方法。另外OpenCV实现了Grab Cut。Graph cuts 是一种有用和流行的能量优化算法，在计算机视觉领域应用于前背景分割，立体视觉，抠图。此类问题与图的最小割问题相关联。 首先用一个无向图 G 表示要分割的图像，V和E分别是顶点（vertex）和边（edge）的集合。此处的Graph和普通的Graph稍有不同。Graph Cu
了解OpenCV的基本框架，有助于我们对OpenCV产生一个全面的认识。本文将从OpenCV的安装目录来介绍，使用的版本为Window系统上的OpenCV 3.3.0。首先打开OpenCV 3的安装目录，如图1所示，可以看到sources和build文件夹。其中sources文件中存放openCV的源代码，build文件夹中存放着许多头文件和外部接口，方便被引用。 图1进入source文件夹，我们
转载
2024-04-27 11:10:30
125阅读
1 骨架细化原理思想：公式: y = p0*2^0 + p1*2^1+ p2*2^2 + p3*2^3 + p4*2^4 + p5*2^5 + p6*2^6 +p7*2^7 前辈们对此作出了总结，得出每个点周围8领域的256种情况，放在一个char data[256]的数组中，不可以删除用0来
转载
2024-03-07 20:56:35
443阅读
二值图像骨架线提取HilditchThin算法Rosenfeld算法OpenCV_Contrib中的算法示例其他细化算法查表法HilditchThin的另一种算法 二值图像骨架线提取算法：HilditchThin算法、Rosenfeld算法、OpenCV_Contrib中的算法HilditchThin算法1、使用的8邻域标记为：2、下面看下它的算法描述： 复制目地图像到临时图像，对临时图像进行一次
转载
2024-03-12 04:50:36
461阅读
Kinect开发学习笔记之（七）骨骼数据的提取我的Kinect开发平台是：Win7x86 + VS2010 + Kinect for Windows SDK v1.6 + OpenCV2.3.0开发环境的搭建见上一文： /article/details/8146055 本学习笔记以下面的方式组织：编程前期分析、代码与注释和重要代码解析三部分。 要实现目标：通过微软的SDK提取骨
转载
2024-05-11 16:30:53
130阅读
尝试利用CMake重编译OpenCV多次失败，苦于用不了OpenCV的GPU模块！ 受一个师兄的启发，开始尝试从OpenCV库函数中抠出来自己的CUDA代码，忙活了一周终于有点起色。成功抠出来FAST角点检测的代码，特在此分享经验~首先需要研读OpenCV库函数的代码，找到其位置：.cu文件 D:\software\opencv-2.4.13\opencv\sources\modules\gp
转载
2024-03-11 01:38:08
148阅读
小弟一直推崇的读书方式是：先以最快的速度大概浏览一遍，把握整本书的整体框架。接着，再慢慢的“宰”。（没想到才过了几天，已经出了opencv2.4.9了，在这里我就不重新下载了）所以，对于学习OpenCV也一样，我们得先有个总体的掌握，再慢慢的啃这块肥肉会方便很多。那么废话不多说，直接上：打开 $(OPENCV)\build\include\文件夹（小弟的是D:\OpenCV 2.4.8\openc
转载
2024-04-05 14:10:40
88阅读
1、学习了解在OpenNI中，要对人进行骨架追踪，需要人先摆出PSI的姿势，然后系统根据该姿势进行骨骼校正，待校正完成后才进行骨骼的跟踪，其流程图可以参考下面的图： 由图可以看出，其完成骨骼跟踪主要分为3个部分，首先需检测到人体，然后需要固定的PSI姿势来对人体的姿势进行校正，待姿势校正完成后，才能进行人体骨骼的追踪。参见博客文章Kinect+OpenNI学习笔记之6(获取人体骨架并在Qt中显示
转载
2023-10-14 22:00:45
534阅读
原文链接： 4 Point OpenCV getPerspective Transform Example - PyImageSearchwww.pyimagesearch.com
本篇文章介绍使用OpenCV的 cv2.getPerspectiveTransform 函数实现四点透视变换。我上次写了这篇文章， Python and OpenCV Examp
1.HOG(Histogram of Oriented Gradient）是方向梯度直方图的意思，是一种特性描述子。通过计算与统计图像局部区域的梯度方向直方图来构成特征。边缘是图像颜色剧变的区域，在一副图像中，局部目标的表象与形状能够被梯度或边缘的方向密度分布很好地描述，而梯度主要存在于存在于局部目标边缘的地方。 (1) 局部目标的边缘，可以把图转为灰度图后按二值映射到0和1输出，就很明显的看出来
昨天不是说同学问我怎么绘制出轮廓的中心线。然后我上网查了一下其实这个有专门的算法叫做细化算法。用专业术语去描述绘制出轮廓的中心线叫做（提取图像的骨架）。然后这一篇博客呢是我对这个细化算法的解读与实操~一、thinning algorithm算法描述图像细化(Image Thinning)，一般指二值图像的骨架化(Image Skeletonization)的一种操作运算。切记：前提条件一定是二值图
转载
2024-03-04 13:16:43
0阅读
本模块函数通过提取图像的边缘轮廓以及检测轮廓的几何形状识别图像中的可视模式。首先通过滤波函数将图像处理成可提取轮廓的边缘显示图，然后通过findconture函数提取图像中的轮廓并给出轮廓的嵌套关系（树）。而后就可以使用本模块中给出的函数对轮廓进行分析和检测，寻找可视轮廓的几何形状，以及识别图像中的指定
转载
2024-08-29 21:03:13
479阅读
温故而知新——NITE 2的基本使用主要包括以下几个步骤： 1. 初始化NITE环境： nite::NiTE::initialize(); 2. 创建User跟踪器： nite::UserTracker mUserTracker; mUserTracker.create(); &
转载
2024-04-18 16:06:07
203阅读
