IT_job的博客

from： http://www.cnblogs.com/molakejin/p/5708935.html一：由简至美的最佳论文（作者：何恺明  视觉计算组）         【视觉机器人：个人感觉学习他的经典算法固然很重要，但是他的解决问题的思路也是非常值得我们学习的】          那是2009年4月24日的早上，我收到了一封不同寻常的email。发信人是CVPR 2009的主席们，他们

1出现buffer too small解决办法：看自己申明的长度是否够例如：char path[20];如果你读取的path路径过长则会出现问题。2出现OpenCV Error: Sizes of input arguments do not match (The sample size is different from what has been used for training

运行环境：vs2013+opencv2.4.9+win10数据来源于GTSRB。模型训练的C++代码#include#include #include #include #include #includeusing namespace cv;using namespace std;int main(){ int imgWidht = 48;//重

环境vs2013+opencv2.4.9交通标识分为检测和识别两部分，检测只检测红色标识，其他标识同理。本片博客介绍交通标识检测部分，识别部分后续介绍。c++代码#include#include#define PI 3.1415926using namespace std;using namespace cv;void RGB2HSV(double red, do

运行环境：vs2013+opencv2.4.9+win10数据来源于GTSRB。模型训练的C++代码#include#include #include #include #include #includeusing namespace cv;using namespace std;int main(){ int imgWidht =

环境vs2013+opencv2.4.9c++代码#include#include#define PI 3.1415926using namespace std;using namespace cv;void RGB2HSV(double red, double green, double blue, double& hue, double& saturation, do

首先看两幅图片近景深 远景深我们先看看焦点是什么意思：比如你拍一朵花时，你必须给这朵花对好焦，那么这朵花就是焦点。我们再看看景深是什么意思：景深就是焦点前后清晰的范围（你把焦点当成一个点，然后一条线段穿过焦点，这条线段长度就是景深大小），景深小可以虚化背景进而突出主体（拍人、花等），景深大可以把从近到远的景物都拍清晰。 三个原因影响景深:镜头焦距、相机和主体的距

非常详细的讲解车牌识别转载自：http://www.cnblogs.com/subconscious/p/3979988.html              http://www.cnblogs.com/asks/p/4372736.html我正在做一个开源的中文车牌识别系统，Git地址为：https://github.com/liuruoze/EasyPR。　　我给它取的名字为EasyPR，也就

数字图像处理之前需要先进行图像数字化：图像数字化图像数字化是计算机处理图像之前的基本步骤，目的是把真实的图像转变成计算机能够接受的存储格式，数字化过程分为采样和量化两个步骤。数字图像处理的框架大体分为如下8个部分 1.    图像变换原理：有时候，直接对图像进行处理会遇到一些困难，为了有效和快速地对图像进行处理和分析，需要将原定义在图像空间的图像以某种形式转换到另外的空间，利用空间

网上发现一篇不错的文章，是关于图像特征提取的，给自己做的项目有点类似，发出来供大家参考。       特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义         至今为止特征没有万能和精确的定义。特征的精确定义往往由问题

我保证这篇文章和你以前看过的所有文章都不同，这是 2012 年还在果壳的时候写的，但是当时没有来得及写完就出国了……于是拖了两年，嗯，我是拖延症患者……这篇文章的核心思想就是：要让读者在不看任何数学公式的情况下理解傅里叶分析。傅里叶分析不仅仅是一个数学工具，更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是，傅里叶分析的公式看起来太复杂了，所以很多大一新生上来就懵圈并从此对它深恶痛绝。老实说

图像分析中，图像质量的好坏直接影响识别算法的设计与效果的精度，因此在图像分析（特征提取、分割、匹配和识别等）前，需要进行预处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。一般的预处理流程为：1灰度化->2几何变换->3图像增强1灰度化       对彩色图像进行处理时，我们往往

运行环境：vs2013+opencv2.4.9+win10数据来源于GTSRB效果不是很理想（预处理方法、检测用的rgb2hsv、圆度检测，、参数，总之改变程序中很多东西可以尝试提高准确率），但检测及识别的道路是打通了c++代码#include#include#include#define PI 3.1415926using namespace std;using

720P是1280*720=921600，即分辨率为921600，即大约92万像素，921600接近100万像素（1280是按照16:9算出来的，4:3的另算，后续都按照16:9来算）其中P是逐行扫描的简称。1080P是1920*1080 =2073600，即分辨率为2073600，即大约200万像素，  所以一般200万像素又称1080P。P是指逐行扫描的意思，i是隔行扫