本次模式识别课程要求实现路标检测，训练集只给了5个样本，测试集有50个样本，听说HOG特征+特征匹配就能达到很好的效果，因此采用了这种方法。在python-opencv里，有定义了一个类cv2.HOGDescriptor，使用这个类就可以直接提取图片的HOG特征。图片没有要求，3通道和单通道的我试一下结果一样。 网上关于这个类的介绍很少，翻了好多内容才找到了一部分。首先来看一下如何直接使用构造函数
转载
2024-01-03 11:00:59
158阅读
目录前言课题背景和意义实现技术思路一、纹理特征描述与分类算法二、 OpenCV 红枣纹理特征检测实现效果图样例最后前言 ?大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力
转载
2024-04-02 12:02:18
528阅读
一、算法需求基于基于纹理特征提取车辆照片中的车牌区域 二、问题分析在车辆照片中提取车牌区域，需要对图像进行系列变化，移除图像的非车牌区域，使车牌区域在图像中变得显著。目前分析发现，在车辆照片中，车牌区域的特点如下： 1、具有固定的颜色（一般车牌为蓝色、白色、黄色、和绿色） 2、具备特定的字符（车牌号包含汉字、字母、数字） 3、字符具备特定排列规则（车牌号都是水平排列的） 目前不考虑考虑颜色实
转载
2023-12-27 11:35:45
460阅读
1. HOG特征简介特征描述符是图像或图像补丁的表示形式，它通过提取有用信息并丢弃无关信息来简化图像。通常，特征描述符将大小W x H x 3（通道）的图像转换为长度为n的特征向量/数组。对于 HOG 特征描述符，输入图像的大小为 64 x 128 x 3，输出特征向量的长度为 3780。在HOG特征描述符中，梯度方向的分布（直方图）被用作特征。图像的渐变（x和y导数）很有用，因为边缘和角落（强度
转载
2024-04-12 03:46:13
58阅读
目录原理方法结构元素提取步骤相关API代码现象 原理方法图像形态学操作时候，可以通过自定义的结构元素实现结构元素对输入图像一些对象敏感、另外一些对象不敏感，这样就会让敏感的对象改变而不敏感的对象保留输出。 通过使用两个最基本的形态学操作 – 膨胀与腐蚀，使用不同的结构元素实现对输入图像的操作、得到想要的结果。膨胀，输出的像素值是结构元素覆盖下输入图像的最大像素值腐蚀，输出的像素值是结构元素覆盖下
Gabor是一个用于边缘提取的线性滤波器，其频率和方向表达与人类视觉系统类似，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感，因此十分适合纹理分析。 理论和C++版本的Gabor实现看：gabor参数说明： 波长（λ）：它的值以像素为单位指定，通常大于等于2.但不能大于输入图像尺寸的五分之一。通常用的是它的倒数频率f大于等于0.2。方向（θ）：这个参数指定了Gabor函数并行条纹的方
转载
2024-04-08 13:54:19
96阅读
求一幅图的纹理特征图原图 （1）转为灰度图cvtColor(src_img, gray_img, CV_BGR2GRAY); （2）获得LBP模板并赋值LBP纹理提取代码/*
CV:LBP
Author:1210
Date:2019/03/17
*/
#include <opencv2/opencv.hpp>
#include <highgui.h>
using name
转载
2023-05-23 14:30:08
221阅读
HOG特征一、什么是HOG特征是关于目标区域梯度方向的特征是一个向量 二、如何提取HOG特征图片归一化处理，减弱光线、阴影等影响图像梯度计算，一般用卷积方法，水平模板为[-1,0,1]，竖直模板为[-1,0,1]T，看到这个，很容易联想到边缘检测，实际上，这个梯度很大程度上就代表了图像的边缘轮廓信息统计梯度方向，将目标窗口（win：64*128）继续细分为块（block：16*16），而
转载
2024-05-28 08:20:29
64阅读
1、前言传统 LBP 特征通过比较重心局部窗口区域中心像素点灰度值与其它像素点的灰度关系来进行二值编码，因而极易受噪点影响。在非均匀光照、噪声及遮挡等情况下对图像纹理特征的描述能力不足。ELBP 在对图形进行二值特征时，不仅考虑中心像素点灰度值与其它像素点的灰度大小关系，还对其灰度差异值的绝对值进行编码，以增加图像纹理的细节信息。本文旨在介绍 ELBP 特征提取方式实现思路。2、实现原理传统 LB
转载
2023-12-20 05:34:30
194阅读
一、LBP特征的概述LBP指局部二值模式，英文全称：Local Binary Pattern，是一种用来描述图像局部特征的，LBP特征具有灰度不变性和旋转不变性等显著优点。同时是一种描述图像特征像素点与各个像素点之间的灰度关系的局部特征的非参数算法，同时也是一张高效的纹理描述算法。纹理是物体表面的自然特性，它描述图像像素点与图像领域之间的灰度空间的分布关系，不会因光照强弱而改变图像的视觉变化。由于
转载
2024-03-26 13:27:24
73阅读
hog是一个基于梯度的直方图提取算法，用于人体检测十分有效。在opencv2.2+版本里面已经实现。封装在HOGDescriptor类里。hog其实就是对一副图片的指定大小区域进行梯度统计。可以直接调用。opencv把它过于复杂化了，用的时候分什么window，block，cell啥的。。。一大堆东西。这里有三篇很好的文章介绍一下。这篇文章就是对window，block，cell的解释http:/
转载
2024-05-27 20:50:14
57阅读
前文大概介绍了CPU中的ORB特征提取算法的实现方法。其中提到了虽然ORB是专门为CPU设计的特征提取算法，但在OpenCV中的cudafeatures2d里也存在着用CUDA加速的ORB算法库（OpenCV编译时需交叉编译CUDA才可用）。网上关于OpenCV3中GPU加速的ORB算法的实例特别少，博主根据官方的reference介绍，参考CPU版的ORB算法，摸索出了一套CUDA ORB算法的
转载
2024-07-31 17:39:26
96阅读
“拍立淘”“一键识花”“街景匹配”……不知道大家在使用这些神奇的功能的时候，有没有好奇过它们背后的技术原理？其实这些技术都离不开最基本的图像检索技术。本篇文章我们就将对这一技术的原理进行介绍，并通过一个简单的Python脚本来实现一个最基本的图像检索demo。 ▌图像特征 首先我们需要明白图像特征是什么以及它的使用方法。图像特征是一种简单的图像模式，基于这种模式我们可以描述我们在图
转载
2024-05-09 12:16:51
152阅读
最近在看论文《Histograms of Oriented Gradients for Human Detection》，是05年提出来的，opencv中对应的实现源码放在modules/objdetect/srchog.cpp里。在这里做个记录。参考资料：首先说一下最基本的流程，如下图（原图）基本上就是利用滑动窗口在图像金字塔上固定步长搜索，每次提取窗口内的hog特征，送入svm进行分类是否有目
转载
2024-03-01 22:50:08
105阅读
文章目录一、Gabor滤波简介二、代码演示Gabor是一个用于边缘提取的线性滤波器，其频率和方向表达与人类视觉系统类似
原创
2022-08-26 10:40:09
2650阅读
梯度直方图特征(HOG)是一种对图像局部重叠区域的密集型描述符,它通过计算局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的...
原创
2021-07-16 15:02:33
538阅读
目录0 原理 1 OpenCV 中的直方图均衡化 2 CLAHE 有限对比适应性直方图均衡化0 原理想象一下如果一副图像中的大多是像素点的像素值都集中在一个像素值范围之内会怎样呢？例如，如果一幅图片整体很亮，那所有的像素值应该都会很 高。但是一副高质量的图像的像素值分布应该很
转载
2024-09-30 15:28:53
42阅读
实现HOG特征提取的大概过程： 1）灰度化（将图像看做一个x,y,z（灰度）的三维图像）； 2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰； 3）计算图像每个像素的梯度（包括大小和方向）；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。 4）将图像划分成小cells（例如6*6像素
转载
2023-07-12 14:09:04
250阅读
纹理识别主要由两部分组成：纹理特征提取和分类算法设计。近年来，研究人员主要围绕纹理特征提取进行工作展开，这是因为提取到的纹理特征的优劣直接影响后续的纹理分类效果。 目前常用的分类算法包括： (1)使用不同的距离衡量方法构造的最近邻(1NN)或K近邻(KNN)分类方法； (2)支持向量机(SVM)； (3)最近正则化子空间(NRS)。 在过去的几十年间，
转载
2023-09-25 07:47:45
212阅读
