molihong28的博客

原创 opencv案例实战之工业印刷品数字识别

一、环境准备Python语言包OpenCV-python开发包OpenCV DNN模块OpenCV ML模块二、结果预览从给定的印刷品图像进行数字识别。三、实验步骤1、EAST TEXT对象检测模型（使用EAST网络模型实现文字区域检测）EAST网络架构加载获取网络各层信息使用网络2、非最大抑制（NMS）NMSBoxes API使用:3、形态学合并4、排...

原创 h5模型转化为pb模型，代码及排坑

我是在实际工程中要用到tensorflow训练的pb模型，但是训练的代码是用keras写的，所以生成keras特定的h5模型，所以用到了h5_to_pb.py函数。附上h5_to_pb.py（python3）#*-coding:utf-8-*"""将keras的.h5的模型文件，转换成TensorFlow的pb文件"""# ==============================...

原创 MTCNN:一个人脸检测和对其一体化的框架

MTCNN分为三个网络：PNET,RNET,ONET下面是该方法的流程图，可以看出也是三阶级联(与CascadeCNN一样)PNET: 在构建图像金字塔的基础上，利用全连接来进行检测，粗略提取脸部的候选框和回归量，然后利用回归 和 NMS来进行修正。（注意：这里的全卷积网络与R-CNN里面带反卷积的网络是不一样的，这里只是指只有卷积层，可以接受任意尺寸的输入，靠网络stride来自动完成滑窗...

原创 github RPC failed; curl 56 OpenSSL SSL_read: SSL_ERROR_SYSCALL, errno 10054（已解决）

转载 目标检测之RFB Net

重点是RFB模块！其他基本与SSD一致。可以在兼顾速度的同时达到良好的效果。该网络主要在SSD网络中引入Receptive Field Block (RFB) ，引入RFB的出发点通过模拟人类视觉的感受野加强网络的特征提取能力，在结构上RFB借鉴了Inception的思想，主要是在Inception的基础上加入了dilated卷积层（dilated convolution），也叫空洞卷积层，从而...

原创 目标检测之Focal Loss（Retinanet）

我们都知道二阶段的检测精度较高、但是速度慢；一阶段的检测检测精度低但是速度快。Focal Loss的设计目的就是让一阶段有二阶段的精度但是保持速度。一阶段检测器精度低主要是由于正负样本失衡（而TP,FP又可以分为四种），刚开始一阶段直接就是以IOU为衡量标准去选择TP、FP,这样会引发：1、neg太多以至淹没pos2、neg大多是易分的易分负样本反向梯度小，对模型训练作用小二阶段为什么好...

原创 目标检测总结（仅作为个人笔记）

主要内容：一、目标检测基础：任务定义基本检测流程二、深度目标检测：两阶段检测器：R-CNN系列，后续相关工作单阶段监测器：YOLO,SSD,RetinaNet三、目标检测评价：评价方式数据集和比较方法一、目标检测基础1、任务定义：目标检测：-输入：图像或者图像序列-输出：在每张/帧图像上，判断是否有指定类别的物体，如果有，给出所有物体的位置和大小（位置和大小可以用框图左...

原创 opencv3扩展模块(opencv_contrib) 实现目标跟踪

opencv_contrib集成了八种工具包括：BOOSTING Tracker：和Haar cascades（AdaBoost）背后所用的机器学习算法相同，但是距其诞生已有十多年了。这一追踪器速度较慢，并且表现不好，但是作为元老还是有必要提及的。（最低支持OpenCV 3.0.0）MIL Tracker：比上一个追踪器更精确，但是失败率比较高。（最低支持OpenCV 3.0.0）KCF T...

原创 背景消去建模（BSM）原理及代码演示

#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;int main(int argc, char **argv) { VideoCapture capture; capture.open("D:/picture/opencv/images/...

原创 图像插值算法总结

在对图像resize缩放的时候常常要用到图像插值算法。本文主要讲述最常见的三种插值算法，最近邻插值，双线性插值（默认设置），双三次插值。1、最近邻插值算法在四邻像素中，将距离待求像素最近的邻像素灰度赋给待求像素。设i+u, j+v(i, j为正整数， u, v为大于零小于1的小数，下同)为待求象素坐标，则待求象素灰度的值 f(i+u, j+v)　如下图所示：最邻近元法计算量较小，但可能会造...

原创 视频分析与对象跟踪（四）（CAMShift）

在介绍CAMShift算法之前，我们先了解一下meanshift（均值漂移）算法。meanshift是一种是基于核密度估计的爬山算法，可用于聚类、图像分割、跟踪等。(1)均值漂移的基本形式给定d维空间的n个数据点集X，那么对于空间中的任意点x的mean shift向量基本形式可以表示为：这个向量就是漂移向量，其中Sk表示的是数据集的点到x的距离小于球半径h的数据点。也就是：而漂移的...

原创 视频分析与对象跟踪（三）（稠密光流-HF）

#include "opencv2/opencv.hpp"#include <iostream>#include <math.h>using namespace cv;using namespace std;void drawOpticalFlowHF(const Mat &flowdata, Mat& image, int step);in...

原创 视频分析与对象跟踪（二）（稀疏光流-KLT）

KLT（Kanade-Lucas-Tomasi）算法的几个前提假设：（1）亮度恒定（2）时间连续或者是运动是“小运动”（3）空间一致，临近点有相似运动，保持相邻#include <opencv2/opencv.hpp>#include <iostream>using namespace cv;using namespace std;Mat frame, ...

原创 对象检测与跟踪（一）（基于颜色）

基于颜色跟踪实现步骤：（1）inRange过滤（2）形态学操作提取（3）轮廓查找（4）外接矩形获取（5）位置标定附上代码：//光照影响较大//利用颜色范围过滤//标注与测量#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;R...

原创 边缘检测

边缘检测算子类别常见边缘检测算子：Roberts 、Sobel 、Prewitt、Laplacian、Log/Marr、Canny、Kirsch、Nevitia1、一阶微分算子：Roberts 、Sobel 、Prewitt我们看这三种边缘检测算子模板及写成差分的形式Roberts算子：Sobel算子：Prewitt算子：计算边缘幅值与方向以Sobel算子为例：G很...

原创 图像处理之去噪

1.均值滤波所谓均值滤波顾名思义即对原图的一个小区域内（如3x3）中所有像素取平均值：常用的滤波器有4领域，8邻域及除去自身的8邻域：2.加权平均滤波加权平均滤波与上面的均值滤波类似，但会做加权平均，即在前面乘上一个对应的系数：常用的滤波器有2种(3x3)，一种是中心点权值是2其余为1，另一种是高斯滤波器，即中心点权值为4，其4领域的权值为2，其余为1：3.中值滤波中值滤波与...

原创 图像分割GrabCut算法原理及代码实现（笔记）

原理部分参考zouxy09大神的博客：https://blog.youkuaiyun.com/zouxy09/article/details/8534954GrabCut是Graphcut的一种升级版。该算法利用了图像中的纹理（颜色）信息和边界（反差）信息，只要少量的用户交互操作即可得到比较好的分割结果。你只需要在目标外面画一个框，把目标框住，它就可以完成良好的分割：Grab Cut和Graph Cu...

转载 Graphcut理解（笔记）

<图片及相关理解参考zouxy09大神博客，此博客只是作为本人复习笔记>文章中用到了mincut/maxflow算法，其具体理解见前一篇文章。Graphcut是一种基于图论的图像分割方法，核心思想是能量优化算法，在计算机视觉领域普遍应用于前背景分割（Image segmentation）、立体视觉（stereo vision）、抠图（Image matting）等。首先用一个无向...

转载 mincut/maxflow问题

这里先介绍mincut和maxflow,为介绍Grabcut打下基础。https://blog.youkuaiyun.com/a519781181/article/details/51908303#commentBox

原创 高斯混合模型（GMM）算法理解及代码实现（opencv）

GMM在数据聚类和图像分类中有很重要的应用。概念理解：（1）条件概率：（2）先验概率：在有一定量数据的前提下，我们对参数进行概率估计，事件发生前的预判概率。（3）后验概率：在最合适的那个参数的前提下，观测数据出现的最大概率。（4）极大似然估计：找到一组参数使得我们观测到的数据出现的概率最大。（5）高斯分布：，概率密度函数。其中N的两个参数第一个代表均值，第二个代表协方差矩阵。（6）...

转载 Random Forest（随机森林）

Random Forest分类器都是统计学的概念。随机森林：集成(ensemble)多棵决策树，以bagging的方式训练，来得到一个更加精确和稳定的预测。随机森林与决策树的不同：随机森林是以决策树为基学习器构建的，是多棵不同决策树的bagging组合。决策树从特征集合中选择一个最优特征（最大信息增益ID3、最大信息增益比C4.5、最小Gini指数）进行分支；而随机森林在随机选取的特征子集...

转载 SURF算法原理及代码实现（笔记）

Speeded Up Robust Features（SURF，加速稳健特征），是一种稳健的局部特征点检测和描述算法。与Sift算法一样，Surf算法的基本路程可以分为三大部分：局部特征点的提取、特征点的描述、特征点的匹配。但Surf在执行效率上有两大制胜法宝——一个是积分图在Hessian（黑塞矩阵）上的使用，一个是降维的特征描述子的使用。先回顾一下传统Sift算法的基本思路及其优缺点。Si...

转载 积分图算法及代码实现（笔记）

Surf在执行效率上有两大制胜法宝——一个是积分图在Hessian（黑塞矩阵）上的使用，一个是降维的特征描述子的使用。最近在整理SURF特征检测与匹配算法时，用到了积分图算法，所以先简单做下功课。积分图：Paul Viola和Michael Jones在2001年首次将积分图应用在图像特征提取上，在他们的论文“Rapid Object Detection using a Boosted Casc...

转载 SIFT算法原理详解及代码实现（笔记）

一、SIFT算法概述：SIFT（Scale Invariant Feature Transform）全称尺度不变特征变换，SIFT算子是把图像中检测到的特征点用一个128维的特征向量进行描述，因此一幅图像经过SIFT算法后表示为一个128维的特征向量集，该特征向量集具有对图像缩放，平移，旋转不变的特征，对于光照、仿射和投影变换也有一定的不变性，是一种非常优秀的局部特征描述算法。SIFT算法步骤...

原创 图像对比度增强（Contrast Enhancement）详解

Contrast Enhancement：对比度增强一直是图像处理中的一个恒久话题，一般来说都是基于直方图的，比如直方图均衡化。冈萨雷斯的书里面对这个话题讲的比较透彻。关于图像增强必须清楚的基本概念1.图像增强的目的：1）改善图像的视觉效果，2）转换为更适合于人或机器分析处理的形式3）突出对人或机器分析有意义的信息4）抑制无用信息，提高图像的使用价值5）增强后的图像并不一定保真2...

原创 **双边滤波（Bilateral Filter）原理解析及代码实现**

双边滤波（Bilateral Filter）原理解析及代码实现双边滤波基本原理：双边滤波与高斯滤波器相比，对于图像的边缘信息能过更好的保存。其原理为一个 与空间距离相关的高斯函数与一个灰度距离相关的高斯函数相乘。空间距离：公式中（xi,yi）为当前点位置，（xc,yc）为中心点的位置，sigma为空间域标准差。灰度距离：公式中gray(xi,yi)为当前点灰度值，gray(...