iracer的博客

一直想找本书，能在机器学习复杂的算法原理和高效的编程实战之间达到合适的平衡：让感兴趣的同学拿到就有能用的代码，还有基本原理的介绍，因为了解原理才知道什么时候用什么算法最合适，以及如何调整参数。这是本写了三年多的书，将最新的OpenCV4机器学习ML和深度学习DNN模块的精彩呈现在纸面，汇集了大量的算法原理与对应的示例程序，希望能对大家的学习有所帮助：）

从零开始搭建Raspberry Pi机器视觉编程环境本文主要包括如下内容：安装Raspbian系统 连接和设置网络 安装中文支持 用电脑控制树莓派 通过SSH远程登录树莓派命令行界面 安装VNC远程登录树莓派图形桌面 通过串口连接树莓派 安装OpenCV及相关开发包 一键备份树莓派SD卡1 安装Raspbian系统...

图像分割是按照一定的原则，将一幅图像分为若干个互不相交的小局域的过程，它是图像处理中最为基础的研究领域之一。目前有很多图像分割方法，其中分水岭算法是一种基于区域的图像分割算法，分水岭算法因实现方便，已经在医疗图像，模式识别等领域得到了广泛的应用。然而基于梯度图像的直接分水岭算法容易导致图像的过分割，本文介绍了传统分水岭算法以及基于标记图像的分水岭算法的基本原理，以OpenCV自带函数watershed()为例说明了基于标记图像的分水岭算法的应用。

DIY一个基于树莓派和Python的无人机视觉跟踪系统无人机通过图传将航拍到的图像存储并实时传送回地面站几乎已经是标配。如果想来点高级的——在无人机上直接处理拍摄的图像并实现自动控制要怎么实现呢？其实视觉跟踪已经在一些高端的消费级无人机上有了应用，不过玩现成的永远没有自己动手来劲;）。前段时间DIY了一个无人机三轴云台的视觉跟踪系统，除去云台花了¥370，本文将设计思路与实验效果分享...

OpenCV3.1对硬件加速和移动开发的支持相对于老版本都有了较大改进，支持新的开发工具，更易于扩展，配置方式也比以前简单一些。但一直用OpenCV2.4，直到最近准备写点东西才抽出时间更新了一下开发环境：Win7,64bit系统，安装VS2013并配置OpenCV3.1。本文将安装配置过程整理贴出，希望对有需要的同学有所帮助。

许多应用都需要用到数据的存储于读取，OpenCV通过XML/YAML格式实现数据持久化。本文简要梳理了使用 FileStorage类进行基本数据持久化（存取）操作，给出了示例代码。

随着计算机硬件速度的提高，执行效率不再是程序员编写机器视觉程序的唯一考虑。Python因其跨平台、开放性和众多第三方库的支持正得到越来越多关注。本文以windows平台为例，介绍了Python计算机视觉编程的开发环境搭建与基本配置，总结了软件下载地址、安装方法和开发环境搭建的基本方法，并提供了简单的代码示例。

windows环境下的Anaconda安装与OpenCV机器视觉环境搭建本文介绍win7和win10系统下通过Anaconda配置基于python语言的机器视觉编程环境（博主测试了两个系统下的安装基本相同），主要内容包括：Anaconda下载安装 OpenCV下载安装 测试安装结果本文安装的版本为：Anaconda4.2+Python3.5+OpenCV3.4 如需安装更新版...

OpenCV的Image Watch插件安装与使用说来惭愧，一直觉得OpenCV在调试方面不如MATLAB灵活方便，没成想OpenCV官方早就推出了一个叫Image Watch的插件可用于调试时显示和监视图像变量了。这里简单记录一下插件的下载安装与基本使用方法，供大家参考。本文示例使用的环境为：Windows10系统+vs2015+OpenCV...

OpenCV—轮廓操作一站式详解：查找/筛选/绘制/形状描述与重心标注(C++版)轮廓是定义或限定形状或对象的边或线，是机器视觉中的常用的概念，多用于目标检测、识别等任务。关于OpenCV轮廓操作，尤其是级别及如何使用轮廓级别进行筛选等问题，相关文章比较少，正好最近用到，因此将其总结成文。本文主要介绍OpenCV的查找轮廓函数findContours()绘制函数drawContours()...

OpenCV—轮廓操作一站式详解：查找/筛选/绘制/形状描述与重心标注（Python版）为了方便使用的Python同学，将上一篇文章用Python重写了一遍，其中一些OpenCV的Python接口说明将后续持续更新。轮廓是定义或限定形状或对象的边或线，是机器视觉中的常用的概念，多用于目标检测、识别等任务。关于OpenCV轮廓操作，尤其是级别及如何使用轮廓级别进行筛选等问题，相关文章比较...

Windows环境下Anaconda4.6+Python3.7+OpenCV4.1+Pycharm环境搭建本文介绍在window7或windows10操作系统下，安装配置Anaconda4.6（Python3.7）+OpenCV4.1+Pycharm的过程。之前写过一篇Windows下安装Anaconda4.2+Python3.5+OpenCV4.1的文章，由于最近版本迭代更新，发现原...

本文总结了使用Python进行机器视觉（图像处理）编程时常用的数据结构，包括列表、元组以及NumPy数组（矩阵），给出了上述数据结构的基本方法，创建图像、访问像素、设置mask等操作的示例代码。

图像处理中对矩阵的操作非常重要，本文总结了使用OpenCV进行矩阵的创建、初始化以及基本矩阵操作，给出了示例代码。

本文梳理了一些在OpenCV工程中经常用到的几种基本数据类型，并给出了使用方法和简要的示例。

This article is the notes of machine learning week 5, Neural Networks Learning. It contains topic about how to apply Backpropagation algorithm in practice.

“error LNK1123: 转换到 COFF 期间失败: 文件无效或损坏”的解决方法，包括：1.修改配置；2.用新版cvtres.exe替换旧版cvtres.exe；3.删除Microsoft Visual Studio 10.0\VC\bin中的cvtres.exe三种方式。

椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声是指两种噪声，一种是盐噪声（salt noise）盐=白色(255)，另一种是胡椒噪声（pepper noise），椒=黑色(0)。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。对于彩色图像，也有可能表现为在单个像素BGR三个通道随机出现的255或0。

函数threshold()对输入单通道矩阵逐像素进行固定阈值分割。典型应用是从灰度图像获取二值图像，或消除灰度值过大或过小的噪声。有5中阈值分割类型，由参数thresholdType决定。

矩阵数据类型转换函数convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) 的使用方法及示例

形态学运算是针对二值图像依据数学形态学(Mathematical Morphology)的集合论方法发展起来的图像处理方法。近年来在数字图像处理和机器视觉领域中得到了广泛的应用，形成了一种独特的数字图像分析方法和理论。本文为学习笔记，主要总结和介绍了形态学的基本运算定义、计算方法和作用，此外还介绍了自定义结构元素的多种方法。

在调试图像处理程序时，经常希望能方便的获取图像上任意坐标的灰度值以查看算法计算结果。本文利用回调函数编写一段代码实现：返回鼠标点击位置的坐标和灰度；输入坐标返回该坐标的灰度。

本文为学习《OpenCV计算机视觉编程攻略（第二版）》4.6节，均值漂算法查找目标的内容笔记。直方图反向投影的结果实质是一个概率分布图，表示一个指定图像片段出现在特定位置的概率。假设我们已经知道图像中某个物体的大致位置，就可以用概率分布图找到物体的准确位置。最可能出现的位置就是窗口中概率最大的位置。如果从一个可能的初始位置开始，在该位置周围反复移动，就可能找到物体所在的准确位置，这个实现方法称为均值漂移（Mean Shift）算法。

直方图的计算方法为遍历图像的全部像素并累计每个强度值在图像中出现的次数。有时仅需要计算图像中某个特定区域的直方图，而如果需要计算图像中多个区域的直方图，这些计算过程将变得非常耗时。在这种情况下使用积分图像将极大地提高统计图像子区域像素的效率。积分图像在程序中应用非常广泛。本文为学习笔记，实现书中给出的利用积分图像计算自适应阈值的例子。

本文为Opencv计算机视觉编程攻略（第二版）学习笔记，介绍了反向投影直方图检测图像中的特定内容。本文包括自己整理和分解的笔记、示例程序的实现方法以及一些体会。分别使用1维灰度直方图和3维彩色直方图反向投影检测图像中的特定内容，给出了实验结果。另外，讨论了不同bin个数度检测的影响，以及实验在不同的色彩空间的测试结果。

在构建复杂程序时，需要创建多个算法来协同工作，以实现一些高级功能。要合理地构建程序并让所有类能互相通信，程序将变得越来越复杂。因此在一个类中集中对程序进行控制是非常有益的。这就是控制器设计模式背后的思想。《Opencv计算机视觉编程攻略（第二版）》书中3.3节用控制器设计模式实现功能模块间的通信通过一个简单的例子介绍了这种编程模式，但书中只给出了部分关键代码，本文将实现该例子的笔记整理出来做为学习笔记。

中值滤波器是一种非线性滤波器，常用于消除图像中的椒盐噪声。与低通滤波不同的是，中值滤波有利于保留边缘的尖锐度，但它会洗去均匀介质区域中的纹理。