mjiansun的专栏

模板匹配是指在当前图像 A 内寻找与图像 B 最相似的部分，一般将图像 A 称为输入图像，将图像 B 称为模板图像。模板匹配的操作方法是将模板图像 B 在图像 A 上滑动，遍历所有像素以完成匹配。例如，在图 15-1 中，希望在图中的大图像“lena”内寻找左上角的“眼睛”图像。此时，大图像“lena”是输入图像，“眼睛”图像是模板图像。查找的方式是，将模板图像在输入图像内从左上角开始滑动，逐个像素遍历整幅输入图像，以查找与其最匹配的部分。

一个可选的偏移量，默认值为 0。它会在计算过程中加到每个像素值上，具体计算公式为 new_value = alpha * pixel_value + beta。：一个可选的缩放因子，默认值为 1。它控制图像每个像素值的放大或缩小。具体来说，new_value = alpha * pixel_value + beta。：输出图像（Mat 类型），结果图像将存储在该变量中。：输入图像（Mat 类型），它是需要处理的源图像。

Lucas–Kanade光流算法是一种两帧差分的光流估计算法。它由Bruce D. Lucas 和 Takeo Kanade提出。

颜色编辑中的色调、饱和度和亮度，是与HSL颜色空间保持一致。首先我使用HSV进行模拟，发现效果和数值对不上。如下图所示，他有色调、饱和度和亮度，其。因此改换HSL进行模拟，其数值如下所示；

滤镜的原意是安装在相机镜头前过滤特定自然光的附加镜头，如紫外镜、偏光镜、渐变镜、雷登镜等。在数字图像处理中，主要是用来实现图像的各种特殊效果。例如 Photoshop 提供的滤镜内容丰富，具有非常神奇的作用，可以为图片创造出绚目的效果。使用 OpenCV 也可以实现各种滤镜风格，本节介绍色彩风格变换滤镜。

伪彩色图像是指对单色图像进行处理，结果转换得到颜色分量，构造为彩色效果的图像。伪彩色图像在形式和视觉表现为彩色图像，但其所呈现的颜色并非图像的真实色彩重现，仅仅是各颜色分量的像素值合成的结果。2.1函数原型函数 cv.applyColorMap() 根据色彩映射表，将灰度图像变换为伪彩色图像。src：输入图像，8 位灰度图像或彩色图像，cv_8Udst：输出图像，大小和通道数与 src 相同colormap：色彩映射表，OpenCV 自带色彩风格类型的颜色查找表。

但是大家只是在用这个算法，很少关注这个算法的实现细节：插值算法是如何工作的。上图效果是最近邻法的计算过程示意图，由上图可见，最近邻法不需要计算只需要寻找原图中对应的点，所以最近邻法速度最快，但是会破坏原图像中像素的渐变关系，原图像中的像素点的值是渐变的，但是在新图像中局部破坏了这种渐变关系。最近邻法实际上是不需要计算新图像矩阵中点的数值的，直接找到原图像中对应的点，将数值赋值给新图像矩阵中的点，根据对应关系找到原图像中的对应的坐标，这个坐标可能不是整数，这时候找最近的点进行插值。

Laplace算子作为边缘检测之一，和Sobel算子一样也是工程数学中常用的一种积分变换，属于空间锐化滤波操作。拉普拉斯算子（Laplace Operator）是n维欧几里德空间中的一个二阶微分算子，定义为梯度（▽f）的散度（▽·f）。拉普拉斯算子是二阶微分线性算子，在图像边缘处理中，二阶微分的边缘定位能力更强，锐化效果更好，因此在进行图像边缘处理时，直接采用二阶微分算子而不使用一阶微分。

同时注意到_blurrow和_blurcol函数循环明显相互之间是独立的，可以利用多线程并行处理，但是这个代码主要是专注于算法的表达，并没有过多的考虑更好的效率。原来的三四行代码一下子变成了几十行的代码，会不会变慢呢，其实不用担心，SIMD真的很强大，测试的结果是3000*2000的图耗时降低到42ms左右，而且垂直方向的耗时占比有原先的60%降低到了35%左右，现在的核心就是水平方向的耗时了。另外一点，很明显，算法的耗时是和Radius参数没有任何关系的，也就是说这也是个O(1)算法。

改进算法同样采用亮度提升和对比度增强两个独立模块分别处理。1、通过使用非线性传递函数实现的亮度提升。2、图像通过对比度增强进行处理相较INDANE算法，主要改进点在步骤2、4统计图像数据对亮度调节和对比度增强两个模块进行分别优化，达到算法应用普适化的效果，即对正常照度对比度好的图像微处理。

本系列文章尽量以便于理解的方式讲解 Haar 小波的原理和应用。其中应用部分主要关注于 PRT 中使用的 double product integral 和 triple product integral 两部分。主要参考文献为 Stollnitz et al. 的 Wavelets for Computer Graphics: A Primer 和 Ren Ng 的两篇 wavelet relighting 的经典文章。

下图是NL-means算法执行过程，大窗口是以目标像素为中心的搜索窗口，两个灰色小窗口分别是以、为中心的邻域窗口。其中以为中心的邻域窗口在搜索窗口中滑动，通过计算两个邻域窗口间的相似程度为赋以权值w(x,y)。理论上，该算法需要在整个图像范围内判断像素间的相似度，也就是说，每处理一个像素点时，都要计算它与图像中所有像素点间的相似度。该方法充分利用了图像中的冗余信息，在去噪的同时能最大程度地保持图像的细节特征。这样在实现代码的时候就少了很多除法。邻域窗口在搜索窗口中滑动，根据邻域间的相似性确定像素的权值。

为了更准确的表示原意，概念部分会直接引用原文。位深（Bit Depth）是一种用‘0’和‘1’也就是‘位’来表示一张图片有多少种颜色的量化方式。通俗的说也就是表示一张照片进行色彩数码离散化的强度程度，关系到这个强度是粗粒度还是细粒度。以灰度图（Grayscale image）举例，其没有深度（只有一个channel），Bit depth就表示其有多少个灰度。更高的位深意味着可以编码更多的阴影和颜色。对于一张图片来说，并不是将颜色离散化得越细越好，原因有二。

前言个人感觉骨架提取提取的就是开运算过程的不可逆。一.算法步骤1.算法步骤首先上一下比较官方的算法步骤：1.获得原图像的首地址及图像的宽和高，并设置循环标志12.用结构元素腐蚀原图像，并保存腐蚀结果3.设置循环标志为0，如果腐蚀结果中有一个点为255，即原图像尚未被完全腐蚀成空集，则将循环标志设为1.4.用结构元素对腐蚀后的图像进行开运算（消除小的白色区域），并求取腐蚀运算与开运算的差（得到消除的白色区域）...

本文整理、总结了常见softmax（如A-Softmax,AM-Softmax,ArcFace）的公式、论文出处等。先总结几个重要的点：L-Softmax 提出了angular margin的概念，重新思考，引入cos角，认为各类之间的夹角需要有个margin。 A-Softmax将weight归一化，使得特征上的点映射到单位超球面上。 AM-Softmax将角度上的倍数关系改为cos值的比较。 Arcface将margin由cos值改为值的比较。（和AM-Softmax比较下，两者的m前面的符

实验室研究人脸技术多年，不仅在技术方面有很好的积累，而且在公司内外的业务中有众多应用。在与产品、商务、工程开发同事交流过程中发现：不管是“从图中找到人脸的位置”，或是“识别出这个人脸对应的身份”，亦或是其他，大家都会把这些不同的人脸技术统称为“人脸识别技术”。因此，整理了一些常见人脸技术的基本概念，主要用于帮助非基础研究同事对人脸相关技术有一个更深入的了解，方便后续的交流与合作。人脸技术基...

正在跟着这位博主学习人脸相关的技术：https://blog.youkuaiyun.com/qq_14845119接下来给出学习的具体链接MTCNN：https://blog.youkuaiyun.com/qq_14845119/article/details/52680940

转自：https://blog.youkuaiyun.com/u013082989/article/details/83537370（还是看原文吧，他的排版我学不来，这里是用作备份）讲loss的github地址是https://github.com/lawlite19/Blog-Back-Up/blob/master/code/triplet-loss/triplet_loss_np.py#L103...

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])第一个参数是指明在哪幅图像上绘制轮廓；第二个参数是轮廓本身，在Python中是一个list。第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮...

1.保存png图像，图像后缀必须为.png，图像质量0-9，默认为3，0质量最好，9最差。cv2.imwrite("123.png", img, [int(cv2.IMWRITE_PNG_COMPRESSION), 0])2.保存jpg图像，图像后缀必须为.jpg，图像质量0-100，默认为95,100最好，0最差。cv2.imwrite("123.jpg", img, [int(cv2.IMWRITE_JPEG_QUALITY), 100])3.使用摄像头时默认的图像尺寸为640*48

概念修复是图像插值。数字修复算法在图像插值，照片恢复，缩放和超分辨率等方面具有广泛的应用。大多数人会在家里放一些旧的退化照片，上面有一些黑点，一些笔画等。你有没有想过恢复它？我们不能简单地在绘画工具中擦除它们，因为它将简单地用白色结构替换黑色结构，这是没有用的。在这些情况下，使用称为图像修复的技术。基本思路很简单：用邻近的像素替换那些坏标记，使其看起来像是邻居（取自维基百科），考虑下面显示的图像：库函数dst = cv2.inpaint（src，mask, inpaintRadiu

filename：需要打开图片的路径，可以是绝对路径或者相对路径，路径中不能出现中文。flag：图像的通道和色彩信息（默认值为1）。可以根据自己的需要对参数进行设置。

https://blog.youkuaiyun.com/i_is_a_energy_man/article/details/78291670https://www.cnblogs.com/denny402/p/5096790.html

U--代表--unsigned char/int/short--无符号。1--bit_depth---比特数---代表8bit/16bit/32bit/64bit。2--S|U|F--S--代表---signed char/int/short---有符号。64F--代表--double---------双精度浮点型。32F--代表--float---------单精度浮点型。1--灰度图片--grayImg---是--单通道图像。3--RGB彩色图像---------是--3通道图像。

具体使用场景在图像输入神经网络之前，需要进行一定的处理，假设神经网络的图像输入是256 256然后进行了224 224的random crop。我们需要进行如下处理：读入原始图像image = cv2.imread("img.jpg")截取图像中有价值的部分region = image[y1:y2, x1:x2]确定图片的长边和短边，然后把长边resize到224，保持...

官方中文：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html官方英文：https://docs.opencv.org/2.4/doc/tutorials/tutorials.html学习教程：https://blog.youkuaiyun.com/zhmxy555/column/info/opencv-t...

1，常用操作总结2、使用的例子//包含OpenCV的头文件//参照github https://github.com/yoyoyo-yo/Gasyori100knock #include <opencv2/opencv.hpp>#include <iostream>using namespace std;//使用OpenCV的命名空间using...

显示视频和显示图片一样需要新建一个QLabel来显示，然后opencv格式的图片不能直接显示，需要用下面代码转换一下。

img = cv2.imdecode(np.fromfile(img_path, dtype=np.uint8), -1) # 读入完整图片，见下面解释img = cv2.imdecode(np.fromfile(img_path, dtype=np.uint8), 0) # 读成灰度img = cv2.imdecode(np.fromfile(img_path, dtype=np.ui...

目录题目解决方法完整代码Hough参数详解总结参考题目用霍夫变换找出图像中的直线和圆（用彩色直线和圆标记在原图上）。要求有代码，有注释，有过程、有结果 解决方法# -*- coding: UTF-8 -*-import cv2import numpy as np# 1.加载图片，转为二值图img = cv2.imread('image.jp...

其实cv2.resize最关键的点就是宽高，要区分到底哪个是宽哪个是高？下面代码中height,width = img.shape[:2]，shape得到的高宽，其实就是行列；下面代码中cv2.resize(img,(2*width,2*height)），这个当中是使用的宽高，这里一定要注意。1.简介：cv2.resize(src,dsize,dst=None,fx=None,...

函数参数详解：https://blog.youkuaiyun.com/dcrmg/article/details/51987348原理讲解：https://blog.youkuaiyun.com/guduruyu/article/details/69220296 https://blog.youkuaiyun.com/tanmx219/article/details/84973542...

（一）简单阈值简单阈值当然是最简单，选取一个全局阈值，然后就把整幅图像分成了非黑即白的二值图像了。函数为cv2.threshold()这个函数有四个参数，第一个原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：• cv2.THRESH_BINARY（黑白二值）如果 src(x,y)>threshold ,dst(x,y) =...

1：OpenCV学习笔记作者：优快云数量：55篇博文网址：http://blog.youkuaiyun.com/column/details/opencv-manual.html 2：部分OpenCV的函数解读和原理解读作者：梦想腾飞数量：20篇博文网址：http://blog.youkuaiyun.com/xidianzhimeng/article/category/1593859 3...

目标边缘检测的概念opencv的函数cv2.Canny()原理Canny边缘检测很流行，在1986年提出去除噪声边缘检测容易受到噪声影响，一般第一步都是用5*5的高斯滤波器去除噪声计算图像梯度对平滑后的图像使用sobel算子在水平与竖直方向上计算一阶导数，得到图像梯度（Gx和Gy）。根据梯度图找到边界梯度和方向，公式如下：梯度方向一般与边界垂直，有四类：垂直、水...

conda安装opencv2conda install -c https://conda.binstar.org/menpo opencv安装opencv3conda install -c https://conda.binstar.org/menpo opencv3 注意：用conda 安装的opencv3.4是不能cv2.imshow()的，它编译的时候这个选项没...

https://www.cnblogs.com/gengyi/p/10317664.html#_label01 cv2.boundingRect 2 cv2.minAreaRect 2.1 附1 : cv2.boxPoints 2.2 附2：int0 3 cv2.minEnclosingCircle 3.1 附1：cv.circle() 4 cv2.rectangle 5 全代码...

简介轮廓是由一个一个像素组成的，如何在内存中存储一个轮廓，就需要用到序列（CvSeq）结构，另外，在处理任何有序关系的动态的对象时可以用到CvSeq。序列是某种结构的链表，可以将序列想象为许多编程语言中都存在的容器类或容器模板类（如C++中的vector），序列在内存被实现为一个双端队列，因此可以实现快速的随机访问，以及快速删除顶端的元素，但是从中间删除元素值则稍慢些。opencv的实现原...

1.Range是OpenCV中新加入的一个类，该类有两个关键的变量start和end；2.Range对象可以用来表示矩阵的多个连续的行或者多个连续的列3.Range表示范围从start到end，包含start，但不包含end；4.Range类还提供了一个静态方法all()，这个方法的作用如同Matlab中的“：”,表示所有的行或者所有的列例子：1.创建一个单位阵Mat A=...

区域生长是一种串行区域分割的图像分割方法。区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。区域生长的好坏决定于1.初始点（种子点）的选取。2.生长准则。3.终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提取。区域生长的原理：区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区...