qq_41208905的博客

图片压缩（超小体积/指定尺寸） 序言 在日常生活中，我们回经常遇到需要上传指定尺寸（或不超过XX体积）的照片，这时候我们就会想方设法调整照片的尺寸和大小，比如：利用图片编辑器或者在线图片压缩调整照片的尺寸和大小。但是，我们会发现很多问题。 例如： 1、当图片尺寸达到标准了，但是图片体积不符合要求。 2、图片体积跟尺寸都达到标准了，但是压缩后的图片太糊了，内容根本看不清楚。 这时候，我们可以通过开源视觉库opencv为基础，对图片的像素进行直接操作。 代码如下： from PIL import Image #

补充 本篇文章是对手势识别项目总结（第一阶段）的补充，即对预处理阶段的各个环节步骤的详细说明。 大致步骤： 肤色检测 模糊处理 形态梯度学处理 边缘检测与轮廓绘制 一、肤色检测 在研究肤色检测时，采用了四种肤色检测模型进行测试，分别为基于RGB颜色空间的肤色检测模型、基于HSV颜色空间的肤色检测模型、椭圆肤色检测模型、YCrCb颜色空间的Cr分量+Otsu法阈值分割算法。 1、基于RGB颜色空间的肤色检测模型 算法思路：使用N帧静态背景逐像素建立背景模型，将当前帧与背景模型比较，计算亮度偏差和色度偏差，

基于手势（哑语）识别的翻译系统 时隔两个月，毕业答辩结束了。毕设跟论文也顺利完成，也该写一下后续了。 前一篇文章写了手势识别系统的前期处理，即通过调用笔记本摄像头获取视频流，然后截取视频流中的指定位置图像做进一步的图像预处理。 这篇文章主要做的工作内容是获取手势特征并建立手势特征库，建立手势数据集，利用svm建立并训练手势模型。 一、获取手势特征并建立手势特征库 在本实验中，采用方向梯度直方图的HOG特征提取的方法。 1、具体的实现方法 首先，将目标图像分割成小的连通区域，将之称为单元。之后采集单元中每个像

基于手势（哑语）识别的翻译系统 本系统采用基于Win10 + Python3.7的环境，利用Python的OpenCV、Sklearn和PyQt5等库搭建手势识别系统。 到目前（2021年4月4日），项目进度大概有了1/3，前期主要完成的部分大致就是实现了利用摄像头获取视频图像，并进行进一步的处理。 大致流程：（前期准备）→下载并安装计算机视觉库opencv→配置环境→(项目正式开始)→调用摄像头→获取视频流→二值化→模糊处理→去噪→肤色检测→形态梯度学处理→边沿检测→轮廓绘制 阶段性实现成果： 下一阶段

定义1：im.convert(mode)⇒ image 含义1：将当前图像转换为其他模式，并且返回新的图像。 当从一个调色板图像转换时，这个方法通过这个调色板来转换像素。如果不对变量mode赋值，该方法将会选择一种模式，在没有调色板的情况下，使得图像和调色板中的所有信息都可以被表示出来。 当从一个颜色图像转换为黑白图像时，PIL库使用ITU-R601-2 luma转换公式： L = R * 299/1000 + G * 587/1000 + B * 114/1000 当转换为2位图像（模式“1”）时，源图