>点我 ->所有文章目录

ubuntu下安装opencv

我们来看个字符分割的实例吧如图我们能看到字符与线粘连text-based captcha推荐的方法:1. 水平或垂直投影的直方图分析  对于细小直线 J. Yan and A.S.E. Ahmad. Breaking visual captchas withnaive pattern recognition algorithms. In ACSAC 2007, 2007

如何用检测由直线构成的四边形(多边形)?  这个问题自己困扰了十来天,  查了相关的算法书(a modern approach, algorithms and applications, computer and machine vision,Feature Extraction & Image Processing ),  并未找到直接的内容可以使用    这阵子看了一些论文,

车牌识别的基本步骤可以概括为:  车牌检测, 分割文字, 文字识别    车牌检测的算法种类有: 基于边缘 , 基于形态学, 基于hough 和radon, 基于神经网络 ,基于车牌特征, 基于纹理, 聚类....    车牌的特征有:  形状, 高宽比, 颜色, 纹理, 对称性, 字与牌的对比度, 牌与背景的对比度.....    基于形态学:        ht

其实如果应付的话, 我前面这篇文章   椭圆检测http://blog.youkuaiyun.com/traumland/article/details/51018133对于场景已知,  精度不太要求,  效果还算不错(我之前在纸上画圆,  挖洞,  拿了带洞的的东西试过)  因为有 拟合椭圆这个算法,  而且用了限制长短轴这种限定.但是以后肯定有需要自己造轮子的时候,  没有准备到时候碰

主要内容是讲SIFT-----Scale Invariant Feature Transformation 所以这里把需要的知识讲一讲

第一篇文章就说,  重要的是学习图像处理算法,  忘了说相关的书.    在我电脑的桌面上天天放着这些计算机视觉的书,  最近却很少看过,  因为面临找工作的压力么,  看书太慢看过印象还不深,  现在先用到哪学哪吧    相关的书有Computer Vision: Algorithms and Applications                     (这个和下面两本都是知乎大v

有些情况,  我们会需要提取直线的详细参数, 下面介绍如何提取直线即便是在现实中的直线, 在图像中能找到对应绝对直线的特征也是很难的, 所以一般是采用近似的方法比如投票法(霍夫变换等),  拟合法(最小二乘,RANSAC等). 当然他们之间也可以互相结合使用

先说算法过程       1. 用Gaussian Filter平滑图像       2. 求Laplacian 二阶导           参考http://blog.youkuaiyun.com/traumland/article/details/51077236       3. 求zero crossing 的点(过零点)也可以       1. 先求gaussian的laplas

这是opencv 2 cookbook那本书里的一个内容,      我用书上的程序出了很多错误,  这里都调试好了,  结果在下面    SSD全称Sum of Squared Differences,  过程就是先从第一个图像找特征点,  用个矩形框出来当作模板,然后与 第二个图像中  所有以特征点为中心的矩形框内的 图像比较是否能匹配.  其中用了FastFeatureDetec

最近两天试着用svm来完成车牌识别的OCR部分,  查了中文资料大部分都是从opencv官网上原文截取的,  我都怀疑有些博主运行完样例程序之后有没有做下去..     google了一下也是,  前几页没看到想要的东西,  机器学习小白的心受到了打击,  所以就边看边玩了两天..  最后还是自己写了程序    其实如果想先跑svm的话也不用去特意理解原理,  直接调用程序就好.  当然学

这两天等待投递简历回应的期间又从头看起了算法书,  主要用的是computer and machine vision 和 computer vision algorithms and applications, 加上对应opencv2 cookbook 涉及到的大部分算法关于特征的部分我这里做个总结,  尽量做全,  总结的可能会有不准确还希望读者有自己的判断, 欢迎留言探讨

opencv3.1.0 ubuntu14.04通过编译在最新版本的opencv3.1.x下代码有少许变化， 变化不大， 代码已更新，ubuntu 16.04 通过编译需要注意的是 3.1.x 后 加载分类器的xml文件, 直接load(path)就行比如

字符分割是OCR中相当重要的环节,  直接关系到最后的识别准确率.最近一直在做车牌检测,  用颜色与edge定位中一直没有办法避免某些特殊情况的干扰,  且样本来源未知,  没办法去设定一个相对较优的参数. (绝大部分时间用在这了=.=!)用机器学习? 这方面我还不怎么懂而且也没有好的样本去训练, 准确率肯定还不如老方法.  有点奇怪为什么那些论文对算法本身局限的解决并不谈及

我不会花多少心思来维护我的博客,  所以不太有什么结构性. 既然是零基础快速入门,  首先找本教程,  照着样例去打,  试着修改,  慢慢理解.   有时候书看不下去了就看看别人的代码. 比如我当时就是先照着learning opencv一直看到轮廓部分后开始自己想project去写. (这本书是opencv1.0的, 很经典,有些过时, 网上opencv2的不全,opencv3还没有电子版

首先什么是卷积?    卷积记得是高数内容中的一个固定公式,  我学的时候没太记,  记得好像不用那个公式也可以自己推导,  如果忘了话可以看看这个http://open.163.com/movie/2006/1/C/M/M6TUO44DQ_M6TUPUBCM.html上公式性质f 中心遍历过h ,  卷积就完成了参考opencv cookbook 2n

首先轮廓(contour)的定义?       轮廓的定义有很多种,  也就是包围物体的边缘.  不管是哪种定义,  轮廓是与边缘紧密联系的. 那那什么是边缘(edge)?          Simple answer: discontinuities in intensity.边缘的分类?Step edgeRamp edgeRidge edgeRoof e

前两篇只是吧水平方向和竖直方向求导进行了线性叠加,而实际上我们是用梯度大小描述陡峭程度 #include #include int main(int argc, char ** argv){ if(argc 2) return -1; cv::Mat img = cv::imread(argv[1],0); cv

边缘的获取?       2.Canny 算子

因为我是学机械出身,  机械行业最常见的零件就是回转件,  所以就先写个椭圆检测吧.    回转件大部分是圆形,  由于视角的关系,  圆形可能就变成了椭圆,  如何检测椭圆?      首先得二值化吧(canny threshold什么的)    然后findcontours    下一步应该用个什么算法,  判定哪些点是椭圆,  然而我暂时还不会,  所以就没有写,  估计一个

关于霍夫变换,  首先看看wiki的介绍    https://en.wikipedia.org/wiki/Hough_transform    http://www.iro.umontreal.ca/~mignotte/IFT6150/ComplementCours/HoughTransform.pdf    霍夫变换检测    用霍夫变换检测圆, 有 以下几种情况1.圆

关于检测edge的算法有很多,  感觉有些算法像前面我一直截取的PPT里面说的一样,  有些过时和不太好用.接下来再列举两个, 是我在查论文时常看见的两个算法接着上面的问题边缘(edge)的获取?       3.Laplacian Operater    The Laplacian is a high-pass linear filter that is ba

上一篇讲了怎么用sobel算子获取边缘,  本篇要讲opencv怎么自定义卷积核    还是以sobel算子为例    sobel算子 #include #include int main(int argc, char ** argv){ if(argc 2) return -1; cv::Mat img = cv

最近在写车牌检测的程序, 想法是想把车牌框的边缘提取出来但是经过二值化后的edge,  并不是完整的连接,  不少的地方有断点, 还有无关的边缘先不考虑形态学,  看看是否能够较好的提取处来首先先上关于findContours的内容     http://blog.youkuaiyun.com/traumland/article/details/51093262即使不看算法只看看最后的

这个问题是在使用cv::goodFeaturesToTrack 时遇到的.说起来可能挨打, 我也是没有什么方法直接Point转Mat我们来看看这个函数void goodFeaturesToTrack( InputArray image, OutputArray corners, int maxCorners, double qual- ityLevel, doubl

不好意思, 没有原文

终于鼓起勇气看hough变换源码了,  之前自己还瞎写了一个检测椭圆中心的 =_=!static voidHoughLinesStandard( const Mat& img, float rho, float theta,                    int threshold, std::vector& lines, int linesMax,

Topological structural analysis of digitized binary images by border following 1985  出于对版权的考虑,  这里只附上论文名,  墙内百度文库可以找到.  资源共享是好事, 但请大家尊重版权不要拿不是自己的东西来赚积分首先介绍了基本概念       1. 上下左右极限位置构成了frame,

首先是 structuring element. A structuring element can be simply defined as a configuration ofpixels on which an origin is defined (also called an anchor point).