文章目录平移、旋转、缩放平移旋转1. 沿x轴旋转2. 沿y轴或者z轴旋转缩放 是时候整理一波3d变换相关的知识了。模型的变换可以认为是空间中一堆点的变换,三维空间中,(x,y,z)可以认为是点,也可以认为是一个向量,因此,人们引入的第4个维度来标识是点还是向量,这个4维空间就叫 仿射空间,具体可以参考 CV及CG数学基础:空间,在仿射空间中,(x,y,z,0)标识向量,而(x,y,z,1)表示点
转载 2024-03-02 09:34:07
60阅读
不同于其它的机器学习模型,EM算法是一种非监督的学习算法,它的输入数据事先不需要进行标注。相反,该算法从给定的样本集中,能计算出高斯混和参数的最大似然估计。也能得到每个样本对应的标注值,类似于kmeans聚类(输入样本数据,输出样本数据的标注)。实际上,高斯混和模型GMM和kmeans都是EM算法的应用。在opencv3.0中,EM算法的函数是trainEM,函数原型为: bool trainE
1.常用运算OpenCV图像运算包括如下函数:加法运算:add(src1, src2, dst=None, mask=None, dtype=None)减法运算:subtract(src1, src2, dst=None, mask=None, dtype=None)乘法运算:multiply(src1, src2, dst=None, scale=None, dtype=None)除法运算:di
转载 2024-03-05 16:45:31
62阅读
%--ARPOS%--带有收缩因子,并保证种群的多样性的微粒群算法解决有约束的情况--%清除屏幕clcclear%---------------------
原创 2022-10-10 15:20:49
120阅读
楼主呕心沥血花了四五天才成功安装成功caffe和openpose,期间遇到了很多,各种奇奇怪怪的bug,今天来分享下安装经验。在安装caffe之前应该首先安装nvidia+cuda+cuDNN和openpose 楼主使用的是Nvidia430, cuda10.1, Opencv3.4.3安装Caffe 1.首先安装星官依赖sudo apt-get install libprotobuf-dev l
转载 2月前
368阅读
图像形态学即数学形态学(Mathematical morphology)是一门建立在格伦和拓扑学基础上的图像分析学科,是数学形态学图像处理的基本理论;常见图像形态学运算:腐蚀、膨胀、开运算、闭运算、骨架抽取、极线腐蚀、击中击不中变换、Top-hat变换、颗粒分析、流域变换、形态学梯度等;最基本的形态学操作是:膨胀(dilation)和腐蚀(erosion)膨胀和腐蚀的主要用途:消除噪声;分割出独立
转载 6月前
27阅读
# 使用Python OpenCV实现Mask向内收缩2个像素 在图像处理和计算机视觉领域,使用Mask(掩码)来操作图像是一个非常常见的任务。当我们希望将Mask向内收缩一定的像素时,首先需要了解几个基本概念和步骤。本文将指导你如何使用Python的OpenCV库实现Mask向内收缩2个像素的功能。 ## 流程概览 在开始之前,我们先看一下整个流程的步骤: | 步骤 | 描述
原创 2024-09-25 08:25:31
232阅读
白平衡是电视摄像领域一个非常重要的概念,通过它可以解决色彩还原和色调处理的一系列问题。白平衡是随着电子影像再现色彩真实而产生的,在专业摄像领域白平衡应用的较早,现在家用电子产品(家用摄像机、数码照相机)中也广泛地使用,然而技术的发展使得白平衡调整变得越来越简单容易,但许多使用者还不甚了解白平衡的工作原理,理解上存在诸多误区。它是实现摄像机图像能精确反映被摄物的色彩状况,有手动白平衡和自动白平衡等方
转载 2024-06-02 08:08:44
129阅读
总感觉自己停留在码农的初级阶段,要想更上一层,就得静下心来,好好研究一下算法的东西。OpenCV作为一个计算机视觉的开源库,肯定不会只停留在数字图像处理的初级阶段,我也得加油,深入研究它的算法库。就从ml入手吧,最近做东西遇到随机森林,被搞的头大,深深感觉自己肚子里货太少,关键时刻调不出东西来。切勿浮躁,一点点研究吧。这次就先介绍一下机器学习中的一个常用算法SVM算法,即支持向量机Support
文章目录图像的算术与位运算1 图像的算术运算1.1 图像的加法运算1.2 图像的减法运算1.3 图像的乘法运算1.4 图像的除法运算1.5 图像的融合2 OpenCV的位运算2.1 非操作2.2 与操作2.3 或操作2.4 异或操作 图像的算术与位运算1 图像的算术运算1.1 图像的加法运算加法运算:cv2.add(src1, src2[, dst[, mask[, dtype]]]) s
      本章我们学习一下Hilditch算法的基本原理,从网上找资料的时候,竟然发现两个有很大差别的算法描述,而且都叫Hilditch算法。不知道那一个才是正宗的,两个算法实现的效果接近,第一种算法更好一些。第一种算法描述参考paper和代码:Linear Skeletons from Square CupboardsSpeedup Metho
转载 2024-03-27 15:20:03
54阅读
OpenCV的算术与位运算一、图像的加法运算import cv2 import numpy as np bus = cv2.imread("./image/bus.jpg") # 图的加法运算就是矩阵的加法运算 # 因此,加法运算的两张图必须是相等的 # print(bus.shape) img = np.ones((1080, 810, 3), np.uint8) * 100 # 合并
转载 2024-03-18 11:40:06
108阅读
##仅记录工程中的工作  opencv中提供了多种双目视觉匹配的算法实现,比如BM,SGBM,HH,VAR等,这些算法实现在calib3d文件中,并在opencv提供的 sample文件中有具体的例子,具体的算法实现和例子可以查看opencv库,这里不对算法的实现原理做解析。以下只说明各个算法接口和参数的意义。opencv中使用setParamName和getParamName来设置和获
1. Maximally Stable Extremal Regions其中描述了一个新的图像元素类型-最大极值稳定区域 (the Maximally Stable Extremal Regions)。相关概念可以通俗的介绍如下。想象使用所有阈值对灰度图像 $I$ 进行二值化。假定低于阈值的为黑色,高于阈值的为白色。我们想象将这所有的二值图像组成一个电影 $I_t$ ,其中 $t$ 是阈值为 $t
写在前面:之前想分类图像的时候有看过k-means算法,当时一知半解的去使用,不懂原理不懂使用规则。。。显然最后失败了,然后看了《机器学习》这本书对k-means算法有了理论的认识,现在通过贾志刚老师的视频有了实际应用的理解。 k-means算法原理    注:还是和之前一样,核心都是别人的,我只是知识的搬运工并且加上了自己的理解。弄完之后发现理论部分都是别人的~~没办法这算法太简单了。
转载 2024-07-03 20:30:16
67阅读
OpenCV中KMeans算法介绍与应用                OpenCV学堂 微信号 CVSCHOOL功能介绍 OpenCV学习教程分享、源码讨论、图像处理与计算视觉算法介绍,行业
大家好,我是新手,最近开始研究视频的 object recognition问题,现在研究的是人手识别,看了一些论文。人脸识别方面似乎现在已经找到了效率、精度的契合点,就是appearanced based methods,adamboost的方法在人脸识别效果很好。而手势有些不同,目前还在看。有对这方面有兴趣的可以一起讨论,我的QQ:65105087,如果有这方面的讨论群,非常感激大家能告诉我。我
转载 2024-08-15 13:50:37
30阅读
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。本文采用新睿云CentOS7版本的系统上安装OpenCV,目前新睿云搞活动,云服务器免费
不同于其它的机器学习模型,EM算法是一种非监督的学习算法,它的输入数据事先不需要进行标注。相反,该算法从给定的样本集中,能计算出高斯混和参数的最大似然估计。也能得到每个样本对应的标注值,类似于kmeans聚类(输入样本数据,输出样本数据的标注)。实际上,高斯混和模型GMM和kmeans都是EM算法的应用。在opencv3.0中,EM算法的函数是trainEM,函数原型为:bool trainEM(
转载 2024-03-31 13:22:05
243阅读
学更好的别人,做更好的自己。——《微卡智享》本文长度为3891字,预计阅读10分钟写在最前2020年还真是一个不平凡的一年,因为新冠疫情的影响,第一季度就这么不知不觉的过完了,本来年初自己还定了一个计划《展望|2020立个Flag》,里面有部分可以说不用到年底,现在也可以开始打脸了,比如说本来要说学习小程序的,现在我已经不准备再投入精力学习小程序了,因为找到了新的目标-----学习算法。这篇文章出
转载 2024-05-18 18:37:54
63阅读
  • 1
  • 2
  • 3
  • 4
  • 5