qq_44091004的博客

高斯滤波

函数功能：canny边缘检测，并与原图做边缘和背景取舍 canny实现步骤： 1.高斯滤波平滑图像，因为噪声和边缘同为高频信息，如果不进行去噪，直接进行边缘检测，会对噪声比较敏感； 2.使用sobel算子分别计算x,y方向的梯度，并求实际梯度值和梯度方向； 3.非极大值抑制，对求出的梯度图像，遍历图像的每个点，求出每个点梯度方向上和其八邻域的交点，交点可能是虚拟点，需要通过线性插值求出虚拟点，然后将该点与 梯度方向上的上下两点进行比较，如果为三点中的最大值，则保留该点的梯度。 4.高低双阈值筛.

函数功能：自动化裁图并保存 函数应用：在深度学习当中，尤其是工业场景，通常数据集的尺寸大小非常大，而网络输入尺寸是固定的，所以在送入网络之前图片会统一resize到网络输入尺寸，图片较大的话，resize操作就相当于下采样，而图片送入网络后，网络通常还会进行数次下采样，如过我们要检测或分类的目标非常小的话，经过系列的下采样操作，感兴趣区域的目标特征直接2会消失。因此我们可以先将大图裁成数张小图进行训练，然后再将小图拼接回去，这样网络就能很好的学习到感兴趣区域的特征信息。 函数运行示例： python seg

图像的gamma变换 gamma矫正公式： output = input^r input的取值范围为[0,1],因为如果为0-255，对输入图像进行指数运算时很容易达到255,然后需要截断操作，就失去gamma变换的意义。 从上图中可以看出，gamma变换实际上就是一种将图像的像素值进行非线性处理的技术。 当gamma值大于1时，会将图像中的比较集中的高照度区域范围做一个拉伸，将对比度拉升到一个比较大的范围，比如gamma值取2时，[0.5-1]的区域经过gamma变换后，输出范围由原来的[

import cv2 import matplotlib.pyplot as plt %matplotlib inline image = cv2.imread('1000/wirebroken_0001_1.jpg') image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) def visualize(image): plt.figure(figsize=(10,10)) plt.axis('off') plt.imshow(image)

PIL和opencv实现图片的拼接 下面例子中拼接方式为上下拼接，更多方向拼接可以自行尝试。 PIL实现图像的拼接 实现步骤： 1.准备两张相同大小的图片，复制好路径，路径不能有中文； 2.创建一个空的与原图大小相同的矩阵或者图片格式； 3.剪切第一张图的一半和第二张图的一半； 4.将两张剪切过后的图拼在空矩阵里。 %time from PIL import Image import numpy as np image1 = Image.open('tangsan1.jpg') image2 = Image

python第三方库的另一种安装方式 1.Python Extension Packages Download URL: https://www.lfd.uci.edu/~gohlke/pythonlibs/ 2.进入页面后，按下Ctrl+F快捷键，右上角出现搜素栏，输入所需安装扩展库名称，回车，会出现橘色的被标记的opencv字样，点击。 3.进opencv连接后，会出现pytho各种版本对应...

人脸目标实时分类数据集格式二级目录三级目录 接于上一篇博客：python_opencv人脸实时目标检测（制作人脸数据集） 链接：https://blog.youkuaiyun.com/qq_44091004/article/details/105787196 数据集格式 为了方便后面的数据遍历制作样本和标签，最好按照文中的格式进行制作。 通过我们上一篇博文的工作，我们完成了实时人脸目标检测。内容包括以下几项...