小张的技术分享博客

本文将介绍如何使用 Python 和 tkinter 构建一个简单的目标检测 GUI，以便用户可以上传图像并查看检测结果。即插即用！非常好用！

在yolo预标注的时候，想把保存的txt转换成labelme中segment的json，于是写了下面的脚本。

在用模型推理后，经常需要看推理效果，一个一个图核对，非常麻烦，编写下面的脚本用于显示标注和推理结果在一张图，看效果。提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

COCO（Common Objects in Context）是一个广泛使用的目标检测和分割数据集，而YOLO（You Only Look Once）是一种流行的实时目标检测算法。首先，导入了必要的库，包括json和os。然后，定义了一个名为的函数，用于将COCO数据转换为YOLO格式。该函数接受一个COCO数据的字典作为输入，并返回转换后的YOLO数据和类别字典。在函数内部，提取了COCO数据中的图像列表、注释和类别信息。然后，创建了一个空的YOLO数据列表和一个用于存储类别名和序号映射关系的字典。

我们针对视频每一帧进行立体匹配时候，想要获取视频每一帧的图像，所以编写了如下代码。我们使用的是双目相机，所以根据双目相机拍摄的视频进行分割，然后根据每一帧图像进行左右图像保存。

文章目录前言一、Opencv官方样例图片下载二、解压文件前言最近开始学图像，用到opencv对畸变做处理，在网上找了很多文章，大概了解后，苦于没有照片进行练习，最后发现原来opencv提供了练习资源，小小的练习一下已经足够了。一、Opencv官方样例图片下载网址：https://opencv.org/releases/样例图片在官网的Releases中，点击下载sources ，因为下载比较慢，可以考虑镜像下载。二、解压文件解压文件后，在opencv-4.5.5\samples\data

想用颜色提取图像的纹理，但是图片分辨率较大，整幅图无法平铺屏幕，没办法靠鼠标点击事件输出。所以进行如下尝试获取图形的HSV值和范围。

我们常常需要批量对图片进行剪裁，使用下面的代码可以根据需要批量进行剪裁，只需要替换文件路径即可，且提供了三种位置进行剪裁，mode选择裁剪的方式 1就是以原点，如果选择2就是左上角，如果选择3就是右上角。也可以根据需要自行添加mode==n…

思路大致是降低图片质量缩小图片大小，加了一个循环判断，如果图像大小不在要求范围内，图像质量就从100递减，以5递减图片质量直到图像压缩到这个范围内。

最近遇到考试要上传照片，但是对证件照格式有要求，网上找了在线的压缩软件，要么收费，要么不好用，只好使用python来进行。思路大致是先resize，然后降低图片质量缩小图片大小，加了一个if判断，如果图像大小不在要求范围内，就从85递减，直到图像压缩到这个范围内。adjust_size函数的第一个是文件位置，第二个是图像大小范围，第三个是图片质量，if中会以5递减图片质量来达到要求的大小。

我们常常需要批量改变图片的尺寸，使用下面的代码可以根据需要批量进行修改，只需要替换文件路径和想修改的尺寸即可。这里使用resize改变尺寸是利用pillow包中Image类中的resize方法。

在进行双目标定时，发现自己买来的双目相机拍出来图像是镜像的，查了一些资料发现使用未翻转的图像可能会导致标定结果的错误。这是因为在双目标定中，需要将左右两个相机的图像进行配准，以便能够精确地测量左右相机之间的视差。如果使用未翻转的图像，那么左右相机的视点将会是相反的，从而导致标定结果的错误。为了避免这种情况，您需要在进行双目标定之前，使用上述代码将左右相机的图像都进行翻转，然后再进行标定。这样可以确保左右相机的视点是正确的，并且能够得到准确的标定结果。

在写论文的时候常常因为截图的尺寸大小不一样，导致图片排版很难受，在word中又不会批量修改，用下面的代码可以批量处理修改成一样的尺寸哦！

有时候在做图像处理时，常常需要获得一些像素的RGB和HSV对应的数值，经常需要去一些网站或者ps工具获得，比较繁琐，索性编写一个程序，可以通过鼠标点击获取当前像素的RGB和HSV对应值。

数据增强技术在深度学习中得到了广泛的应用，它能够有效地扩充训练数据集的大小，提高模型的泛化能力，同时也能够有效地防止过拟合现象的发生。在本篇中，将讲解一种基于 Python 和 OpenCV 库实现的数据增强方法，并提供一个示例代码。首先，需要安装 OpenCV 库及其 Python 接口。OpenCV（Open Source Computer Vision Library）是一个开源计算机视觉库，提供了计算机视觉和机器视觉中常用的算法和工具。

在视觉领域中，图像滤波是一种常用的技术，用于去除图像中的噪声和平滑图像。其中，MeanShift滤波是一种基于颜色和空间信息的非参数化滤波算法。

在日常的数据处理工作中，经常需要对 JSON 文件进行读取和修改。在 Python 中，处理 JSON 文件非常方便。本文将通过一个简单的示例程序来演示如何读取和修改 JSON 文件。

在目标检测任务中，了解数据集中各个类别的数量是非常重要的。通过统计类别数量，可以了解数据集的分布情况，进而为模型训练和评估提供参考。本文将介绍如何使用Python编写一个程序，来统计目标检测数据集中各个类别的数量。将使用Python的os和json库来读取和处理JSON格式的注释文件。

有时候，我们需要对已经有的数据集进行数据划分，划分后的coco数据集需要寻找对应的图片，可以使用下面的程序脚本。

经常要对数据集进行按比例划分，因为只有一个完整的coco数据文件，所以编写了这个脚本，可以按比例划分并保存成两个json文件。

COCO（Common Objects in Context）是一个用于目标检测和图像分割任务的标注格式。如果你有多个COCO格式的JSON文件，你可能需要将它们合并成一个文件，以便更方便地处理和管理数据。在这篇博客中，我们将介绍一个用Python编写的脚本，可以实现这一合并操作。

在日常的软件开发和数据处理中，经常需要处理大量的文件和数据。针对一些分类的模型结果，这个脚本可以帮助快速找到文件夹中匹配和不匹配的图片文件。