<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[seven_tree的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/seven_tree</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; seven_tree]]></copyright><item><title><![CDATA[makefile_define补充]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/106060613</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/106060613</guid><author>seven_tree</author><pubDate>Mon, 11 May 2020 19:20:48 +0800</pubDate><description><![CDATA[对makefile里的define补充说明
makefile里可能会用到define来打包一些可能会重用的指令，但是因为makefile里实际上会重用代码的情况并不多…所以，define是一个没怎么设计的挺难用的东西；有一点需要注意的是在define-endef范围内的变量定义和指令的执行，在该范围内，变量定义是无效的，在define段执行时回座位字符串展开；指令的执行则是需要注意一下`cmd`和$(shell cmd)的区别，区别是`cmd`在执行到当前指令的时候不展开，而$(shell cmd)在执行到]]></description><category></category></item><item><title><![CDATA[opencv::ml系列，支持向量机基础1.1]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/102976816</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/102976816</guid><author>seven_tree</author><pubDate>Fri, 08 Nov 2019 20:17:53 +0800</pubDate><description><![CDATA[线性不可分情况下的支持向量机测试
本部分设置了线性不可分的训练集情况，采用不同类型的支持向量机核进行测试，由于opencv3的ml模块支持trainAuto，可以不必预先对核函数参数进行确定，大大提高了可用性。
代码如下
bool rbfSVMExample() {
	//支持向量机设置
	cv::Ptr&lt;SVM&gt; rbfSVM=SVM::create();
	rbfSVM-&gt;s...]]></description><category></category></item><item><title><![CDATA[opencv::ml系列，支持向量机基础1]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/102963708</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/102963708</guid><author>seven_tree</author><pubDate>Thu, 07 Nov 2019 22:04:03 +0800</pubDate><description><![CDATA[opencv::ml::svm，线性分类器示例
代码如下，该代码采用线性内核，根据示例的四个训练样本集训练分类器，并以此为基础将图像坐标各点作为待测试点
bool svmBasicExample() {

	Ptr&lt;SVM&gt; svm = SVM::create();//
	svm-&gt;setType(SVM::C_SVC);//类型,
	svm-&gt;setKernel(SVM:...]]></description><category></category></item><item><title><![CDATA[关于opencv的findContours函数的一个问题]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/100543594</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/100543594</guid><author>seven_tree</author><pubDate>Wed, 04 Sep 2019 17:32:09 +0800</pubDate><description><![CDATA[opencv findeContours的一个问题
实测opencv的faindContours函数会把距离为12个像素一下的两个区域合并成一个区域提取轮廓；

如图，最近的轮廓不能进行区分；
测试代码为
	cv::cvtColor(imgIn, imgIn, CV_BGR2GRAY);
	cv::imshow("testImg", imgIn);
	cv::Mat element = cv::g...]]></description><category></category></item><item><title><![CDATA[C++n次幂和n次方根计算]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/98197716</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/98197716</guid><author>seven_tree</author><pubDate>Fri, 02 Aug 2019 16:39:35 +0800</pubDate><description><![CDATA[C++幂次、开方运算
基于power函数可以实现，其中计算x的n次方为power(x,n)，计算x的n次方根是power(x,1/n)；但需要注意，由于1/n默认是整型除法，因此1/n取值为0，需要转换为浮点数进行运算，示例如下：
//n次幂
int main()
{
	double x;
	cin&gt;&gt;x;
	int n;
	cin&gt;&gt;n;
	double Npx=powe...]]></description><category></category></item><item><title><![CDATA[C++运算符重载详解]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/90665418</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/90665418</guid><author>seven_tree</author><pubDate>Wed, 29 May 2019 09:48:56 +0800</pubDate><description><![CDATA[C++运算符重载详解
a. 允许重载的运算符
List item重载运算符需要使用运算符函数，其声明格式为operatorOP(argument-list);
要求OP必须是C++的有效运算符，且不能是./ .* / :: / ?:等；
b. 重载限制
（1）重载后的运算符至少有一个参数为自定义类型；
（2）使用运算符时不能违反运算符原来的句法规则，不能修改运算符的优先级，不能创建新的运算符；
（...]]></description><category></category></item><item><title><![CDATA[照片背景色一键替换（简陋版）]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/90513076</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/90513076</guid><author>seven_tree</author><pubDate>Fri, 24 May 2019 11:11:22 +0800</pubDate><description><![CDATA[照片背景色一键替换（简陋版）
这个程序是帮舍友替换证件照背景色的时候写的，可以用在图像质量要求不高的场景下，例如上传到招聘网站这种；
有一个存在的问题是证件照的背景可能影响头发边缘的颜色，这个程序并没有对这一点作出优化；
代码如下：
#include&lt;iostream&gt;
#include&lt;opencv2/opencv.hpp&gt;
using namespace std;
us...]]></description><category></category></item><item><title><![CDATA[C++（5） 循环和关系表达式]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/90214026</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/90214026</guid><author>seven_tree</author><pubDate>Tue, 14 May 2019 20:10:51 +0800</pubDate><description><![CDATA[Cpt5 循环loop和关系表达式
5.1 for循环（定量循环，while则属于条件循环）
a. for是一个C++关键字；
基本的循环结构表示为，
for(initialization初始化，test-expression循环测试，update-expression循环更新)
{
loop body循环体；
}
其中循环测试作为进入循环体的条件（入口条件循环），可以用循环体里的break实现；...]]></description><category></category></item><item><title><![CDATA[C++（4） 基本数据类型和基础的复合类型]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/90179471</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/90179471</guid><author>seven_tree</author><pubDate>Mon, 13 May 2019 20:04:52 +0800</pubDate><description><![CDATA[Cpt4 复合类型
4.1 数组
a. 用于相同类型变量的批量管理，定义格式为type Name[size]
size要求为编译阶段就可以确定的整型常量；
数组元素索引从0开始；
理论上下标不能越界，但编译器一般不会进行检查；
数组支持｛｝列表初始化（部分编译器可能要求数组为static类型）；
通过sizeof查看数组大小是以字节作为单位；（即数组的大小而不是容量）
数组只能在定义时进行批量赋值...]]></description><category></category></item><item><title><![CDATA[C++(3) 基本数据类型相关细节]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/90084866</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/90084866</guid><author>seven_tree</author><pubDate>Fri, 10 May 2019 22:17:19 +0800</pubDate><description><![CDATA[Cpt3 处理数据
a. 本章包括整型和浮点型、其系统限制文件、数字字面值和类型转换等；
OOP的本质是根据存储对象的特征设计并扩展自己的数据类型；这些类型的基本组件是C++的内置类型；
内置类型包括基本类型和复合类型，基本类型包括不同大小的整数和浮点数，复合类型包括数组、字符串、指针、结构等；
3.1 简单变量
a. 信息的存储包括类型、取值、位置；
C++命名规则：只能包含数字、字符和下划线；...]]></description><category></category></item><item><title><![CDATA[C++（2）]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/90084638</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/90084638</guid><author>seven_tree</author><pubDate>Fri, 10 May 2019 21:57:43 +0800</pubDate><description><![CDATA[Cpt2 开始学习C++
2.1 进入C++
a. C++大小写敏感；
C++的常规输出为cout，此外在包含C标准io库stdio.h的基础上可以使用printf()、scanf()等格式化C输入输出；cout也支持格式化，但是其格式化较为复杂；
常规的c++文件成分包括：注释；预处理器编译指令#include；编译指令using namespace；主体函数main或其他函数；函数体｛｝；结束...]]></description><category></category></item><item><title><![CDATA[C++入门笔记]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/90083942</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/90083942</guid><author>seven_tree</author><pubDate>Fri, 10 May 2019 21:08:35 +0800</pubDate><description><![CDATA[C++入门笔记
Cpt1 预备知识
补充：
C++类库介绍
再次体现了C++保持核心语言的效率同时大力发展应用库的发展趋势，在C++中，库的地位是非常高的。C++之父 Bjarne Stroustrup先生多次表示了设计库来扩充功能要好过设计更多的语法的言论。现实中，C++的库门类繁多，解决的问题也是极其广泛，库从轻量级到重量级的都有。不少都是让人眼界大开，亦或是望而生叹的思维杰作。由于库的数量非...]]></description><category></category></item><item><title><![CDATA[第六章 高级特征提取：可变形形状分析（2）形状骨架化]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89375684</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89375684</guid><author>seven_tree</author><pubDate>Thu, 18 Apr 2019 11:53:04 +0800</pubDate><description><![CDATA[第六章 高级特征提取：可变形形状分析（2），形状骨架化
6.4 形状骨架化
6.4.1 距离变换
a. 形状骨架指形状的中心轴，即与形状边界等距的轴，可以通过距离变换确定；利用这种方式可以得到一种表达，具有相同拓扑结构、相同尺寸、相同方向，但是包含的是形状的本质；直观上距离变换可以通过连续腐蚀实现，得到一个以像素腐蚀次数为标记的灰度图；
噪声对此类基于形态学的操作有一定影响，表明目标中的微小变化所...]]></description><category></category></item><item><title><![CDATA[第六章 高级特征提取：可变形形状分析（1），可变形模板、蛇模型]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89360415</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89360415</guid><author>seven_tree</author><pubDate>Wed, 17 Apr 2019 17:21:30 +0800</pubDate><description><![CDATA[第六章 高级特征提取：可变形形状分析，（1）可变形模板、蛇模型
6.1 概述
a. 对于无法建立广义霍夫变换模板、或模板参数存在波动的情况，需要利用弹性形状理论提出目标解决方案；
6.2 可变形形状分析
6.2.1 可变形模板
a. Exp，通过抛物线组合近似眼部模型，如果将两种形状组合在一起，改变其大小和朝向，同时保留其空间关系，那么可以得到一个可变形模板；
例如眼部可以表述为上下抛物线和中心圆...]]></description><category></category></item><item><title><![CDATA[第五章 形状匹配的特征提取（2）霍夫变换，线变换、圆变换、椭圆检测等及简化]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89329479</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89329479</guid><author>seven_tree</author><pubDate>Tue, 16 Apr 2019 18:48:36 +0800</pubDate><description><![CDATA[第五章 形状匹配的特征提取（2）霍夫变换，线变换、圆变换、椭圆变换、参数空间分解
5.5 霍夫变换
5.5.1 概述
a. 霍夫变换是一种在图像中定位基础形状元素的技术，例如提取直线、矩形、椭圆等；霍夫变换的优势是对基本元素的查找可以达到接近模板匹配的结果，但是速度更快（采用了更简洁的描述方式）；
这是一种基于evidenct-gathering(类似投票制)的方法，基于对模板匹配过程的重定义；H...]]></description><category></category></item><item><title><![CDATA[第五章 形状匹配的特征提取（1）模板匹配、低级特征提取]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89307237</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89307237</guid><author>seven_tree</author><pubDate>Mon, 15 Apr 2019 19:30:26 +0800</pubDate><description><![CDATA[第五章 形状匹配的特征提取（1）简单阈值处理方法、模板匹配
5.1 概述
a. 形状提取比检测更为复杂，因为形状提取意味着对形状进行可靠的描述，而形状检测只需要证明在图像中的存在性即可；
5.2 阈值处理和背景减法
a. 阈值处理是计算成本相对较低的一种背景抑制方式，在图像亮度存在线性变化的情况下可以通过直方图均衡处理得到稳定不变的图像；
考虑到直方图方法对噪声的敏感性，采用直方图正规化降低噪声的...]]></description><category></category></item><item><title><![CDATA[第四章 低级特征提取（5）SIFT特征、SURF、显著性算子、图像运动的描述：光流]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89302515</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89302515</guid><author>seven_tree</author><pubDate>Sun, 14 Apr 2019 21:37:24 +0800</pubDate><description><![CDATA[第四章 低级特征提取（5）SIFT特征、显著性算子、图像运动的描述
4.4.2 现代方法：区域/图像块分析
a. 局部特征提取的现代方法旨在放开早期的局部特征提取所设的一些限制，以便于拜托尺度差异对特征提取和描述带来的影响，通过利用多点排列的描述对目标进行描述和识别；该类方法一般依赖于尺度空间，兴趣特征一般为仍然存留在所选尺度上的特征；
4.4.2.1 尺度不变特征变换，SIFT
a. SIFT的...]]></description><category></category></item><item><title><![CDATA[第四章 低级特征提取（4）定位特征提取：角点提取]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89279349</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89279349</guid><author>seven_tree</author><pubDate>Sat, 13 Apr 2019 21:20:23 +0800</pubDate><description><![CDATA[第四章 低级特征提取（4）定位特征提取：角点提取
4.4 定位特征提取
4.4.1 检测图像曲率（即角点提取）
a. 在边缘对图像进行特征化的基础上，曲率进一对边缘进行特征化，通过角点对边缘曲线进行表征；
b. 曲率通常利用平面曲线的参数形式定义，参数化的轮廓表示为，

其中Ux=[1, 0]，Uy=[0, 1]，即将连续曲线描述为位置矢量组，t表示任意参数如时间；
位置矢量的变化采用v(t)的正...]]></description><category></category></item><item><title><![CDATA[第四章低级特征提取（3）基于相位一致性的边缘检测]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89252016</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89252016</guid><author>seven_tree</author><pubDate>Fri, 12 Apr 2019 18:53:30 +0800</pubDate><description><![CDATA[第四章低级特征提取（2）基于相位一致性的边缘检测
4.3 相位一致性
a. 相位一致性方法是一个特征检测算子，主要优点为：
（1）可以检测大范围的特征；
（2）对局部光照具有不变性；
综合来看即一致性检测具有局部对比度不变性；
正如其名，相位一致性是基于相位考虑的频域处理，一般认为，对于边缘信号对应的峰值，峰值是各个组成频率在同一时间达到峰值而产生的；这表明为了找到我们想要的特征，可以确定一些同时...]]></description><category></category></item><item><title><![CDATA[第四章低级特征提取（2）二阶边缘检测算子Laplacian、Marr-Hildreth等]]></title><link>https://blog.youkuaiyun.com/seven_tree/article/details/89212992</link><guid>https://blog.youkuaiyun.com/seven_tree/article/details/89212992</guid><author>seven_tree</author><pubDate>Thu, 11 Apr 2019 22:14:16 +0800</pubDate><description><![CDATA[第四章低级特征提取（2）二阶边缘检测算子Laplacian、Marr-Hildreth等
4.2.2 二阶边缘检测算子
4.2.2.1 动机：利用二阶微分零点为一阶微分的区域极值；
a. 即计算二阶导数的过零点；
4.2.2.2 基础算子: Laplacian算子
a. Laplacian算子使用两个相邻一阶微分的差值近似实现二阶微分；
即有，

即有，

则Laplacian模板，

由于引入了...]]></description><category></category></item></channel></rss>