<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jjddss的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jjddss</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jjddss]]></copyright><item><title><![CDATA[如何形象理解OAuth（Open standard for Authorization）]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73896902</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73896902</guid><author>jjddss</author><pubDate>Thu, 29 Jun 2017 14:18:32 +0800</pubDate><description><![CDATA[新浪微博就是你的家。偶尔你会想让一些人（第三方应用）去你的家里帮你做一些事，或取点东西。你可以复制一把钥匙（用户名和密码）给他们，但这里有三个问题： 
1）别人拿了钥匙后可以去所有的房间 
2）别人拿到你的钥匙后也许会不小心丢到，甚至故意送到它人手里。这样你都不知到谁有你家钥匙。 
3）过一段时间你也许会想要回自己的钥匙，但别人不还怎么办？ 
OAuth 是高级钥匙:
1）你可以配置不同]]></description><category></category></item><item><title><![CDATA[视觉SLAM（一） 视觉SLAM漫谈]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73772171</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73772171</guid><author>jjddss</author><pubDate>Tue, 27 Jun 2017 10:47:52 +0800</pubDate><description><![CDATA[视觉SLAM漫谈
1.    前言
　　开始做SLAM（机器人同时定位与建图）研究已经近一年了。从一年级开始对这个方向产生兴趣，到现在为止，也算是对这个领域有了大致的了解。然而越了解，越觉得这个方向难度很大。总体来讲有以下几个原因：

入门资料很少。虽然国内也有不少人在做，但这方面现在没有太好的入门教程。《SLAM for dummies》可以算是一篇。中文资料几乎没有。SLAM研究已进行]]></description><category></category></item><item><title><![CDATA[python各类库.whl格式下载网址,当在线安装不成功时可采用该方法（例如 numpy+mkl，opencv_contrib等）]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73642987</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73642987</guid><author>jjddss</author><pubDate>Fri, 23 Jun 2017 14:03:00 +0800</pubDate><description><![CDATA[库下载地址为：
http://www.lfd.uci.edu/~gohlke/pythonlibs/
1.安装前需要安装 pip
2.CMD命令进入C:\PythonXX\Scripts里面后再执行PIP命令安装pip install wheel

3.把文件最好放在\Script文件夹里面再pip install xxxx.whl

！！！！注意下载的文件不要进行重命名！！！]]></description><category></category></item><item><title><![CDATA[亚像素级精确度的角点]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73607336</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73607336</guid><author>jjddss</author><pubDate>Thu, 22 Jun 2017 16:31:11 +0800</pubDate><description><![CDATA[有时我们需要最大精度的角点检测。OpenCV 为我们提供了函数 cv2.cornerSubPix()，它可以提供亚像素级别的角点检测。下面是一个例子。首先我们要找到 Harris角点，然后将角点的重心传给这个函数进行修正。Harris 角点用红色像素标出，绿色像素是修正后的像素。在使用这个函数是我们要定义一个迭代停止条件。当迭代次数达到或者精度条件满足后迭代就会停止。我们同样需要定义进行角点搜索的]]></description><category></category></item><item><title><![CDATA[Shi-Tomasi 角点检测]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73606516</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73606516</guid><author>jjddss</author><pubDate>Thu, 22 Jun 2017 16:21:52 +0800</pubDate><description><![CDATA[上一节我们学习了 Harris 角点检测，后来 1994 年，J.Shi 和 C.Tomasi在他们的文章《Good_Features_to_Track》中对这个算法做了一个小小的修改，并得到了更好的结果。我们知道 Harris 角点检测的打分公式为：
R = λ1λ2 − k (λ1 + λ2)^2
但 Shi-Tomasi 使用的打分函数为：
R = min (λ1, λ2)
如果打分]]></description><category></category></item><item><title><![CDATA[OpenCV书中一个连通域处理函数  connectedComponentsWithStats()]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73605697</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73605697</guid><author>jjddss</author><pubDate>Thu, 22 Jun 2017 16:16:01 +0800</pubDate><description><![CDATA[前言
　　在图像处理过程中，经常会遇到这样一部分图像，图像的整体部分如果人来看的话一眼就能看出，但是它的内部由于有各种小缺口，导致断开了，这样在计算机“眼”里就被认为是断开的，为了使图像达到适应人眼的感觉，需要将这些缺口和断开的口给连接上去，这就需要用到计算机图形学中的连通域处理技术。本文给出一个简单的连通域处理函数，当然这个函数是来自OpenCV著名教程Learning OpenCV中，只不过]]></description><category></category></item><item><title><![CDATA[Harris 角点检测算法原理]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73604558</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73604558</guid><author>jjddss</author><pubDate>Thu, 22 Jun 2017 15:14:11 +0800</pubDate><description><![CDATA[图像处理之角点检测算法(Harris Corner Detection)
原文地址：http://blog.youkuaiyun.com/jia20003/article/details/16908661，本文对其进行一定的理解性的注释的添加。




Harris角点检测是通过数学计算在图像上发现角点特征的一种算法，而且其具有旋转不变性的特质。OpenCV中的Shi-Tomasi角点检测就是基于]]></description><category></category></item><item><title><![CDATA[Opencv（Python） 教程-常用opencv 图像/视频操作函数]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73549466</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73549466</guid><author>jjddss</author><pubDate>Wed, 21 Jun 2017 15:14:06 +0800</pubDate><description><![CDATA[本小节将列举出常用的相关的Opencv操作函数，对函数进行列举，不提供详细的使用方法和解释，适用于有一定基础的Opencv使用者进行参考使用
图像读取与保存
cv2.imread() #读入图像
cv2.imshow() 显示图像

cv2.imwrite() 保存一个图像


视频读取与保存

cap=cv2.VideoCapture()  #链接摄像头

cap.isO]]></description><category></category></item><item><title><![CDATA[Opencv（Python） 教程-轮廓（4）凹缺陷（凸缺陷）/点与轮廓关系/形状匹配]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73548564</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73548564</guid><author>jjddss</author><pubDate>Wed, 21 Jun 2017 14:25:51 +0800</pubDate><description><![CDATA[凹缺陷/凸缺陷
前面我们已经学习了轮廓的凸包，对象上的任何凹陷都被成为凸缺陷。OpenCV 中有一个函数 cv.convexityDefect() 可以帮助我们找到凸缺陷。函数调用如下：
import cv2
import numpy as np
img = cv2.imread('star.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRA]]></description><category></category></item><item><title><![CDATA[cv2.findContours()返回函数详解， findContours()]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73527990</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73527990</guid><author>jjddss</author><pubDate>Wed, 21 Jun 2017 11:00:53 +0800</pubDate><description><![CDATA[对于cv2.findContours() 函数，相信很多人都在使用，利用其进行轮廓的寻找，之后利用cnt[num]，对第num个轮廓进行操作，但是该函数返回的三个参数具体表示的是什么呢？
下面就进行详细介绍，为了能够使读者更加深入的理解，利用下面的例程进行具体分析。
准备材料：图片一张（作者手动画图软件绘制的）



Python程序如下：
improve cv2
improve ]]></description><category></category></item><item><title><![CDATA[Opencv（Python） 教程-轮廓（3）轮廓的性质]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73527378</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73527378</guid><author>jjddss</author><pubDate>Wed, 21 Jun 2017 10:13:08 +0800</pubDate><description><![CDATA[Opencv（Python） 教程-轮廓（3）轮廓的性质边界矩形的宽高比在上一小节中，我们提到利用下面函数能够得到轮廓的直边界矩形 
x,y,w,h = cv2.boundingRect(cnt) 
对于某一轮廓要求取其边界矩形的宽高比，则可通过下面代码实现x,y,w,h = cv2.boundingRect(cnt)
aspect_ratio = float(w)/h #注意要转化成浮点型轮廓面积]]></description><category></category></item><item><title><![CDATA[Opencv（Python） 教程-轮廓（2）轮廓特征求取]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73480497</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73480497</guid><author>jjddss</author><pubDate>Tue, 20 Jun 2017 09:46:21 +0800</pubDate><description><![CDATA[目标

查找轮廓的不同特征，例如面积，周长，重心，边界框等，这些特征在未来的图像识别中，会大量的用到。

矩的概念
图像识别的一个核心问题是图像的特征提取，简单描述即为用一组简单的数据（图像描述量）来描述整个图像，这组数据越简单越有代表性越好。良好的特征不受光线、噪点、几何形变的干扰。图像识别发展几十年，不断有新的特征提出，而图像不变矩就是其中一个。

矩是概率与统计中的一个概念，是]]></description><category></category></item><item><title><![CDATA[Opencv（Python） 教程-轮廓（1）查找与绘制轮廓]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73480016</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73480016</guid><author>jjddss</author><pubDate>Tue, 20 Jun 2017 08:53:27 +0800</pubDate><description><![CDATA[目标：

1.理解什么是轮廓
2.学习找轮廓，绘制轮廓等
3.学习函数：cv2.findContours()，cv2.drawContours()
什么是轮廓

轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者 Canny 边界检测。 查找轮]]></description><category></category></item><item><title><![CDATA[python+opencv图像金字塔融合 （超详细讲解原理及代码讲解）]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73469348</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73469348</guid><author>jjddss</author><pubDate>Mon, 19 Jun 2017 17:09:55 +0800</pubDate><description><![CDATA[本篇内容参考《Opencv官方教程中文版（Python）》的内容进行讲解和分析，其下载网址为 http://download.youkuaiyun.com/download/dengxf01/9692646
由于书中代码所使用版本问题，所以，不少读者将其代码复制后，运行时出现错误，在这里我将以Python3.6.1，Opencv 3.2版本进行代码展示和讲解。
图像金字塔主要涉及两个函数：cv2.pyrU]]></description><category></category></item><item><title><![CDATA[TypeError: slice indices must be integers or None or have an __index__ method]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73469104</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73469104</guid><author>jjddss</author><pubDate>Mon, 19 Jun 2017 16:55:06 +0800</pubDate><description><![CDATA[在使用Python进行矩阵操作时，当内部含有除法时，会产生错误：
TypeError: slice indices must be integers or None or have an __index__ method


例如：
img=np.hstack((a[:,0:100/2],b[:,100/2,:])) 由于除法/自动产生的类型是浮点型，因此出现上述错误，修正方法为，将/更]]></description><category></category></item><item><title><![CDATA[终于在pycharm下（Python3.6.1版本）安装完成机器学习相关库文件（sklearn scikit-learn gensim xgboost tensorflow nltk ）]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73204782</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73204782</guid><author>jjddss</author><pubDate>Wed, 14 Jun 2017 11:40:28 +0800</pubDate><description><![CDATA[安装scikit-learn请参考本人的相应博客，这个是最为难安装的。其他的大部分能够直接通过pycharm的settings安装。
由于安装部分库文件时，会附带安装其他库文件，因此在整体安装完成后，库文件还是挺多的。安装后的整体库包括如图所示]]></description><category></category></item><item><title><![CDATA[Pycharm内集成python3.6.1版本，安装scikit-learn模块方法]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73189187</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73189187</guid><author>jjddss</author><pubDate>Tue, 13 Jun 2017 18:21:03 +0800</pubDate><description><![CDATA[Scikit-learn官网介绍安装的界面如链接所示：http://scikit-learn.org/stable/install.html
其要求如下：

Scikit-learn requires:

Python (>= 2.6 or >= 3.3),NumPy (>= 1.6.1),SciPy (>= 0.9).
看来Python版本是满足的，Numpy依靠Pycharm内部的]]></description><category></category></item><item><title><![CDATA[读 《Python机器学习及实践 》感受]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73189111</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73189111</guid><author>jjddss</author><pubDate>Tue, 13 Jun 2017 18:02:15 +0800</pubDate><description><![CDATA[1.书籍本身结构不错，章节安排合理
2.代码较全
3.适用于应用阶段的初学者]]></description><category></category></item><item><title><![CDATA[错误及解决办法：trackback (most recent call last) File “XXX文件路径” ，line 1, in <module> import pandas as  pd]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73163069</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73163069</guid><author>jjddss</author><pubDate>Tue, 13 Jun 2017 10:44:28 +0800</pubDate><description><![CDATA[最近学习《python 机器学习及实践》（作者范淼、李超），编写运行其第四章的代码。
书中源代码为：（相应的配置为python2..7.13，pandas版本为0.20.2）

import pandas as pd
train = pd.read_csv('../Datasets/titanic/train.csv')
test = pd.read_csv('../Datasets/ti]]></description><category></category></item><item><title><![CDATA[Kaggle大数据竞赛平台入门]]></title><link>https://blog.youkuaiyun.com/jjddss/article/details/73132182</link><guid>https://blog.youkuaiyun.com/jjddss/article/details/73132182</guid><author>jjddss</author><pubDate>Mon, 12 Jun 2017 18:23:26 +0800</pubDate><description><![CDATA[大数据竞赛平台,国内主要是天池大数据竞赛和DataCastle,国外主要就是Kaggle.Kaggle是一个数据挖掘的竞赛平台,网站为:https://www.kaggle.com/.很多的机构,企业将问题,描述,期望发布在Kaggle上,以竞赛的方式向广大的数据科学家征集解决方案,体现了集体智慧这一思想.每个人在网站上注册后,都可以下载感兴趣项目的数据集,分析数据,构造模型,解决问题提交结果.按]]></description><category></category></item></channel></rss>