weixin_45930877的博客

以下代码是用于数据集划分，只需要修改config对象中对应的里的Annotations文件夹和JPEGImages文件夹路径即可!

RGB颜色空间和HSI颜色空间相互转换之python实现// An highlighted block# RGB2HSIdef RGB2HSI(img1): img1 = img1.astype('float32') b, g, r = img1[:, :, 0]/255.0, img1[:, :, 1]/255.0, img1[:, :, 2]/255.0 I = (r+g+b)/3.0 tem = np.where(b >= g, g, b) mi

基于数学形态学的织物缺陷检测1.介绍相较于现在使用的神经网络来检测织物缺陷，数学形态学方法是传统的检测方法，其检测的核心思想就是用具有一定形态学结构的元素去度量和提取图像中对应的形状，以达到对图像分析和识别的目的。所以数学形态学对于具有较强的几何形状的织物缺陷有较强的检测能力，但是现实情况是织物疵点的种类繁多，疵点的大小不一，形态各异，并且不是所有织物的缺陷都是具有几何形状的特点,所以要找到一种能检测出所有疵点的通用模式识别方法是很困难的，因此数学形态学一般用来检测破洞，断经，缺纬这三类的织物缺陷。2

1.傅里叶变换概述：任意波形 ：可分解为正弦波的加权和（r任意波形可以由最基本的正弦或余弦的加权和）复杂函数：可以用简单正弦和余弦函数表示任意周期波形：可分解为正弦波的加权和非周期函数：可以用正弦和或余弦乘以加权韩叔叔的积分表示无从从频域到空域，还是空域到频域，其变换都是没有损失的一维傅里叶变换一维连续傅里叶变换函数中f(x)为取值为：从负无穷到正无穷的所有取值如果u等于0，就表示函数f(x)在 负无穷到正无穷之间的累加求和傅里叶变换后，其结果是复数形式

import numpy as npimport cv2path = "./058.jpg"img = cv2.imread(path)# 1.均值滤波img_mean = cv2.blur(img, (3, 3))# 2.双边滤波img_bilater = cv2.bilateralFilter(img, 9, 75, 75)# 3.高斯滤波img_Guassian = cv2.GaussianBlur(img, (5, 5), 0)# 4.中值滤波img_median .

直方图均衡化1.计算过程得到原始图片的灰度直方图得到各个灰度级对应的概率密度函数通过概率密度函数得到累积分布函数累计分布函数乘以255，得到每一个灰度级对应的新的灰度通过第4步的结果，将旧灰度映射得到新的灰度，即更新整张图片的灰度（统计一幅图像中不同灰度级下的像素个数）；例如：一副64X64的8个灰度级的图像，（正常情况下一张彩色图像灰度化[R=G=B]以后,灰度级为0~255）rk为灰度级，nk为该灰度级下的像素的数目，pk为该灰度级占整幅图的概率计算不同灰度级的累积概率分布：