BGMcat的博客

简述：lightweight_openpose作为轻量性模型，相较于openpose，安装简单，实时性强，准确率也并没有将太多，速度与精度都不错，仅。这是几个轻量型的目标检测模型，第二个就是我们要用的https://github.com/dog-qiuqiu/Yolo-Fastesthttps://codechina.youkuaiyun.com/mirrors/Daniil-Osokin/lightweight-human-pose-estimation.pytorchhttps://codechina.cs

1、18点模型对应位置：// {0, “Nose”},// {1, “Neck”},// {2, “RShoulder”},// {3, “RElbow”},// {4, “RWrist”},// {5, “LShoulder”},// {6, “LElbow”},// {7, “LWrist”},// {8, “RHip”},// {9, “RKnee”},// {10, “RAnkle”},// {11, “LHip”},// {12, “LKnee”},// {13, “

简述：对于椒盐噪声，官方写的是两边处理，temp<prod 设为0，temp>prod 设为255,那么在噪声比例为0.5时，则图像全为噪声，因此我认为椒盐噪声应一共在prod即可，不用在区分，各占prod/2的比例即可。应该是我的有问题，以后有了新的理解再改正。import cv2 as cvimport matplotlib.pyplot as pltimport numpy as npfrom skimage.metrics import peak_signal_noise_

简述：为刚雷克斯《数字图像处理》中全身骨骼扫描图图像增强过程的实现import cv2 as cvimport matplotlib.pyplot as pltimport numpy as npplt.figure(figsize=(40,40))img1= cv.imread('./skeletonInput.tif',0)plt.subplot(141)plt.title('原图像A')plt.imshow(img1,cmap='gray')img2 = cv.Laplaci

文件的导入import cv2import matplotlib.pyplot as pltobj1 = cv2.imread('D:/QQfiles/web/web/xiaomi/images/1.jpg',0) #灰度图像cv2.imshow('test',obj1)cv2.waitKey(0) #从键盘获取事件cv2.destroyAllWindows()#使用matplotlibplt.imshow(obj1,cmap = 'gray')plt.show()图像类别.

简述：基于OpenCV中的基本方法，进行人脸区域的矫正切割，采用了68个定位点中的左眼，右眼，嘴巴中心这三个定位点进行提取，使用输入，输出图像构成的三组点对，利用仿射变换，实现最终图像的输出。import cv2import globimport osimport numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['simhei'] # 添加中文字体为简黑plt.rcParams['axe.