sin++

还是基于老鼠#include <iostream>#include <fstream>#include <ctime>#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgpro...

上回我们说到训练老鼠图片识别，这次我们将载入一张老鼠的图片看能不能利用svm检测出老鼠的定位#include <iostream>#include <fstream>#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <openc...

首先我们需要正负样本两种数据 svm虽然支持少量数据的分类，但原则上数据更多效果更佳这里面我们采用正样本98张 负样本200张。推荐负样本是正样本的2-3倍。这里我们做的是对老鼠特征的识别，正样本都是包含老鼠的 ，负样本不能包含老鼠。在参数方面的选择 可分为线性可分，线性不可分，非线性可分 其中对应不同的核函数主要是利用交叉正则和穷举求出参数c和g来达到效果的最优#include &lt...

hog是用来计算图片中特征向量的，我们令一个[m,n]的矩阵win，选定一个[x,y]的矩阵block(x<m,y<n，其中opencv默认参数是1616)以模板匹配的方式逐一遍历win，其中每次滑动的像素叫步长，记为k，则block匹配win的次数为((m-x)/k+1)((n-y)k+1)次，我们又用另一个矩阵cell(i,j)以模板匹配的方式遍历block，不过这次的步长必须是(...

本文示例的是在一张图片中截取N个同等大小的图片并保存原图像素为20001000，下面我们将它截图成5000个2020的int main(){ Mat img = imread("C://Users//Administrator//Desktop//1.png"); int n = 0;//用来给截图的图像命名 const int count = 5000;//截图总数 char...

这里我们先说图像腐蚀图像腐蚀的原理是缩小腐蚀中心的像素值，从而达到降低图片高亮度，凸显灰暗部分的作用。它的实现原理为我们用结构元素1去覆盖图像2中的矩阵，结构元素可以是十字形，矩形，圆形等。覆盖2后 结构元素中心像素值替换为该覆盖区域图像2中最小的值。图像腐蚀 Mat src1 = imread("C://Users//Administrator//Desktop//1.jpg"); ...

这里我们采用两种方法，1是给模板施加阈值，缺点是会重复匹配模板，二是提前说明匹配的数量，缺点是要提前知道匹配量int main(){ Mat src = imread("C://Users//Administrator//Desktop//cd.png"); Mat src2 = imread("C://Users//Administrator//Desktop//cd1.png", 0)...

利用模板匹配的方法追踪摄像头的目标效率比较地下，而且收fps影响重容易跳帧，但在物体低速移动下也不失为一种简单的识别算法。其原理是在摄像头的一帧画面中选定要追踪的范围，利用模板匹配的方法刷新每一帧模板的位置，本文只设定了从左上角截取矩形的方法，其他方法可自行画瓢Rect rect;//用来标记模板的范围Mat src1;//记录摄像头的每一帧Mat src2;//模板Mat src3;//...

我们先介绍以下模板匹配的原理类似于滑块验证码，当匹配的图片与被匹配的图片存在该处相似的时候可认为匹配成功，并且滑块全图，找到更类似的地方会自带替换掉原来的图片Mat img, templ, result; img = imread("C://Users//Administrator//Desktop//cph.png");//被匹配的图片 templ = imread("C://Users...

图片存储的原理将图片记为矩形，每个不同颜色的区域可记为不同的数组，单通道即是黑白颜色，灰度越大图片越亮RGB通道红绿蓝是三原色，我们由三原色的灰度可组合任意颜色 同理可以由数组[red,green,blue]表示其RGB灰度...