一、计算机视觉-快速搭建开发环境

于 2024-02-01 19:02:49 发布
阅读量1.2k 收藏 13
点赞数 16
CC 4.0 BY-SA版权
分类专栏： 计算机视觉 文章标签： 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/asplh/article/details/135977224
本文介绍了Anaconda，一个用于数据科学的流行开源发行版和包管理器，涵盖其特点（如包管理、预装库、跨平台、虚拟环境和集成IDE）、与pip的区别、安装使用方法以及常用conda命令。重点强调了Anaconda在搭建和管理环境中的便利性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

前言

搭建环境Anaconda 是必不可少的，用Anaconda 我们可以很容易的部署计算机视觉开发环境（包括用到的包、和IDE等）
下面我们看下Anaconda 是什么，为什么要用Anaconda

一、Anaconda 是什么？

Anaconda 是一个流行的开源发行版和包管理器，主要用于数据科学、机器学习和科学计算的 Python 和 R 环境。它提供了一整套数据科学工具和库，包括数据处理、数据可视化、机器学习、深度学习等方面的库和工具。

二、Anaconda 的特点

  1. 包管理器: Anaconda 包含了一个名为 conda 的包管理器，可以用来安装、更新、卸载和管理包，以及创建和管理不同的环境。
  2. 预装的科学计算库: Anaconda 默认安装了大量常用的科学计算库，如 NumPy、SciPy、Pandas、Matplotlib 等，这些库通常在数据科学和科学计算中使用频繁。
  3. 跨平台: Anaconda 可以在 Windows、Linux 和 macOS 等多个操作系统上运行，并且提供了一致的用户体验。
  4. 虚拟环境: 使用 Anaconda 可以轻松创建和管理多个独立的 Python 环境，每个环境可以有自己独立的包集合，这有助于避免包之间的冲突，并且使得不同项目的依赖关系更清晰。
  5. 集成开发环境 (IDE): Anaconda 还包含了一些流行的 Python 集成开发环境，如 Jupyter Notebook、Spyder 等，这些工具对于数据科学和机器学习领域的工作非常有用。

总的来说，Anaconda 提供了一个便捷的数据科学平台，使得用户可以快速搭建数据科学环境并开始进行数据分析、机器学习和科学计算。

三、Anaconda 和PIP区别

主要区别有以

最低0.47元/天 解锁文章

200万优质内容无限畅学
博客
十九、计算机视觉-轮廓检测
11-07 1852
之前我们学习了边缘检测算法（如Sobel、Canny等），接下来的课程将会探讨轮廓检测。轮廓检测是图像处理中的一个重要任务，它的目标是识别出图像中的物体轮廓，即物体的外部边界。与边缘检测不同，轮廓检测通常需要对图像进行更复杂的处理，以便有效地提取出物体的整体形状。轮廓检测是图像处理中的一项任务，其主要目标是在图像中找到物体的外部轮廓，也就是物体的边界。这些轮廓通常被表示为一系列连接的点、线段或曲线，能够描述物体的整体形状。
博客
MT4跟单系统开发
10-23 1505
本文讲解一下MT4跟单软件的开发的几种方法以及原理。
博客
十八、计算机视觉-canny边缘检测
09-09 1694
Canny边缘检测是计算机视觉领域中常用的一种边缘检测算法，它由约翰·凯恩（John Canny）于1986年提出，是一种多阶段的算法，具有较好的性能和准确性。Canny边缘检测算法的主要优点包括良好的边缘定位精度、抑制噪声的能力以及对边缘连接的稳健性。然而，它也存在一些缺点，如计算复杂度较高、对参数的敏感性等。因此，在实际应用中，需要根据具体情况进行参数调整和优化。
博客
十七、计算机视觉-图像平滑处理
07-12 1488
在本节中，我们将探讨图像处理中的平滑处理技术。与之前介绍的膨胀、腐蚀以及其他几种算子一样，平滑处理同样是通过卷积核的运算实现的。如果在之前的课程中已经理解了卷积核的概念，以及他的原理，那么本课就会变得简单许多。我们已经学习了如何使用卷积核对图像进行膨胀、腐蚀等操作，这些操作都是通过将卷积核与图像进行某种运算来实现的。接下来，我们将探讨如何利用不同的卷积核和运算方式来实现平滑处理，从而改善图像质量并减少噪声的影响。常见的滤波有 ，均值滤波、方框滤波 高斯滤波等。
博客
windows下宝塔面板自带FTP服务端 客户端连接不上解决方法记录
04-29 942
之前服务端都是linux的没出现过问题，因为特殊需求需要在window服务端上开发，安装了宝塔面板FTP服务端是用的FileZilla Server 0.9.60。所以不仅放行21端口，还要放行一定范围的高端口用于数据传输。查看端口范围在腾讯云中放行这个范围，然后在宝塔安全中也放行一下 问题解决了。我在腾讯云放行了21端口，在FTP中，单纯的放行21端口是不够的。从提供的日志中可以看到，你的PHPStorm客户端成功地与服务器建立了连接，并成功地进行了登录，而且服务器也成功地切换到了被动模式（PASV）。
博客
十六、计算机视觉-Scharr算子 和 Laplacian算子
04-08 1262
当周围和高于中心时，减弱中心像素；最终的 p5 表示了中心像素点的新值，它等于周围相邻像素点的值之和减去中心像素点的值的四倍。算式中的 4×p5 表示了中心像素点的值被乘以4，这是因为在Laplacian算子的卷积核中，中心像素点的系数是-4，因此需要将其乘以4进行加权。首先，将3x3的卷积核以上面-4的位置为中心点依次对图像中的每个像素点进行卷积操作，这个和前面一样，将卷积结果作为图像的每个像素点的新像素值。对于卷积结果，若像素值较大，则表示该像素点周围的灰度值变化较大，可能是图像中的边缘或轮廓。
博客
十五、计算机视觉-sobel算子
03-12 5793
上节课我们学习了梯度的知识，学习了如何去计算梯度，本节我们继续学习计算梯度的方法，本节我们学习使用Sobel算子计算梯度，这与上节课梯度计算方法有所不同，一般如果需要准确地计算图像的梯度信息，特别是对边缘信息感兴趣，通常会选择Sobel、Scharr或Laplacian算子。而如果更关注形态学特征或者想要一种简单快速的边缘检测方法，可以考虑使用cv2.morphologyEx。
博客
十四、计算机视觉-形态学梯度
03-03 916
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
博客
十三、计算机视觉-顶帽运算和底帽运算
02-29 978
我们回顾之前讲的内容 什么是开运算，开运算是先腐蚀在膨胀 开运算结果就是我们去掉了图像中的毛刺、杂点等。所以 顶帽操作通过突出图像中的亮部分和细微结构，以及抑制背景，可以帮助我们更好地理解图像内容，从而更有效地进行后续的图像分析和处理。例如我有一个图片上有一个空洞，我通过底帽把空掉填补上了，那我我拿填补上的图像减去原始图像是不是就得到了 我填补的空洞部分。底帽操作的目标是突出图像中的暗部结构或物体，同时抑制背景。换句话说，底帽操作可以帮助我们发现图像中较暗的细节或物体，而不受周围背景的干扰。
博客
十二、计算机视觉-开运算与闭运算
02-27 1178
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
博客
十一、计算机视觉-膨胀操作
02-23 1271
上节我们学习了腐蚀操作，本节我们讲一下膨胀操作，膨胀和腐蚀实际上是相反的操作。上节我们把云峰这2个字周围没用的像素去掉了，但是云峰这2个字也变细了，如果我们想在变粗一点 我们就可以用膨胀操作，所以腐蚀和膨胀可以配合使用来达到我们要的效果。有了上节的讲解，本节就不讲太细了，原理和腐蚀都差不多，如果不明白的，可以返回上节在看一下。提示：以下是本篇文章正文内容，下面案例可供参考膨胀操作的主要目的是增加或加强图像中的前景区域。
博客
十、计算机视觉-腐蚀操作
02-21 2007
在我们生活中常会见到腐蚀，比如金属表面受到氧化或其他化学物质的侵蚀，导致金属表面出现腐蚀、或者生锈。木材受到细菌或者昆虫的侵蚀，导致木材内部和表面逐渐腐朽或者磨损。在计算机世视觉中腐蚀操作和现实中类似，腐蚀主要用于减小或消除图像中的边缘或细小的物体。在这个操作中，我们使用一个称为结构元素的小矩形或圆形区域来“侵蚀”图像中的像素。具体来说，当结构元素与图像中的像素进行比较时，只有当结构元素覆盖的所有像素都是前景像素（白色像素）时，该像素才被视为前景像素，否则被视为背景像素（黑色像素）。
博客
九、计算机视觉-形态学基础概念
02-20 1118
现在开始后面几课将介绍计算机视觉中的形态学理论和技术，包括基本的形态学操作、形态学滤波、形态学轮廓分析等内容。包括如何应用形态学方法来处理图像以及解决实际问题。本节课将简要介绍形态学，但如果您对此部分不感兴趣或理解困难，可以跳过。在后续课程中，我们将通过实际案例来详细讲解形态学，以帮助您更好地理解和应用。形态学是一种基于数学形态学理论的图像处理方法，在图像处理中，形态学主要通过结构元素和一系列基本的形态学操作来描述和处理图像中的特征。
博客
八、计算机视觉-边界填充
02-18 1504
在Python中使用OpenCV进行边界填充（也称为zero padding）是一种常见的图像处理操作，通常用于在图像周围添加额外的像素以便进行卷积或其他操作。下面是使用OpenCV进行边界填充的基本原理和方法。
博客
七、计算机视觉-图像的ROI区域
02-16 8131
在计算机视觉中，ROI代表感兴趣区域（Region of Interest），它是指图像或视频中被指定为需要特别关注或处理的区域。ROI可以帮助减少计算量，并且在处理大型图像或视频时可以提高处理效率。上面代码演示了 使用Haar 特征分类器或基于深度学习的人脸检测器 去检测人脸部分，Haar的使用后面会单独讲到 这里只需要明白ROI区域的概念就行。
博客
六、图像的几何变换
02-14 1610
在计算机视觉中，图像几何变换是指对图像进行平移、旋转、缩放、仿射变换和镜像变换等操作，以改变图像的位置、尺寸、形状或视角，而不改变图像的内容。这些变换在图像处理、模式识别、机器人视觉、医学影像处理等领域具有广泛的应用。通过图像几何变换，可以实现图像的校正、配准、增强和重建等功能，为后续的图像分析和理解提供了重要的基础。
博客
五、计算机视觉-视频流的读取与操作
02-07 673
当我们谈论计算机视觉时，我们常常会涉及到处理图像和处理视频两个不同的领域。在上一节课中，我们学习了如何处理静态图像，即一张张静止的图像。而在本节课中，我们将探讨如何处理视频。
博客
四、计算机视觉-图像的读取显示与保存
02-06 1204
图像是计算机视觉领域的基本数据载体，理解图像的读取、显示与保存是进行图像处理、分析和识别的第一步。本节课我们不光是为了学习处理图像的那些方法如何使用，更重要的是从本节课学习能让你对计算机世界中的图像有一个更清晰的认识。在本课程中，我们将学习如何使用Matplotlib和OpenCV库来实现图像的读取、显示和保存操作。我们将从最基本的图像处理开始，介绍图像读取的方法，讨论图像的通道顺序，然后深入探讨图像的显示与可视化，以及图像的保存格式和质量参数。
博客
三、计算机视觉-图像是什么
02-05 1171
本节课分析一下在计算机世界中 图像到底是什么。只有我们知道图像的本质，后面对图像的处理我们才能真正的理解他的原理，才能举一反三。基于上面的分析，我们知道在计算机的世界中，它看一张图片就是通道信息和亮度信息等，他知道图片有3个通道，每个通道则是1个灰度图，也就是包含亮度信息的图片。他并不知道这是什么颜色的图片。这怎么理解呢，看下图：上图分别是：原图、R通道图，G通道图，B通道图，可以看出后面3个图没有颜色 只有亮度信息 我们看鸟头部分是红色，所以R通道图红色部分则是白色 代表红色，同样G通道B通道都是如此。
博客
二、计算机视觉-第一个程序
02-02 684
可能有人说第一个程序不就是print一个hello world吗。本来我也想写一个hello world ，但是这篇文章如果只是一个hello world有点应付的感觉，还是多写点吧，凑点字数。顺便也能让大家提起点兴趣看看我们后面能做出什么效果。也可以验证 一下我们上节课搭建的环境是否正常，是否可以运行我们的程序。到这里 第一个程序就完成了，下节课开始讲解处理图像的一些方法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值