wxplol的博客

文章目录一、线段曲率计算原理二、线段拐点提取流程三、python实现拐点的提取3.1、曲线的点的平滑3.1.1、一次贝塞尔曲线拟合3.1.2、二次贝塞尔曲线拟合3.2、拐点的计算3.2.1、Bending value的计算3.2.2、判断三点是否在同一条直线上3.2.3、计算拐点一、线段曲率计算原理一般的曲率计算方法，如玄长比例法、三次B样条表达、线性多边形逼近和局部对称等方法。今天主要介绍**弯曲值算法（Bending value）**算法。其表达式为：bik=max(∣(xi−k−xi)+(xi+

由于要训练自己动作识别模型，所以需要制作相关数据集，其中就是要制作光流数据，尝试使用传统opencv来做，发现速度太慢。最后找到denseflow库，于是在此记录在win10下的安装过程。文章目录一、安装依赖1.1、CUDA1.2、OpenCV1.3、Boost二、Cmake编译2.1、生成可编译文件sln2.2、编译生成`denseflow.exe`一、安装依赖1.1、CUDACUDA (driver version > 400)这里默认已经安装，搞深度学习安装pyTorch/Tens

文章目录1、基于划分模式的图像增强2、基于c++ OpenCV的实现3、辅助增强算法因为项目需要对文档图像进行增强，也就是对于模糊、亮度偏暗或不均匀的文档进行处理方便后续的识别。传图图像增强方法主要分为两方面：空间域和频域。空间阈中增强方法，颜色的增强，如：直方图均衡化，对比度以及gama增强等；模糊，如：均值滤波等；锐化，如：局部标准差实现对比度增强。频域方法，如：小波变换，在图像的某个变换域内，对图像的变换系数进行运算，然后通过逆变换获得图像增强效果。一般来说，对于实际项目中，可能用其中一种或几种方法

实现倾斜文本行字体的校正主要分为两部分，一部分为倾斜角度的检测，另一部分为倾斜校正。其中倾斜角度的检测极为重要，他关系到后续的校正。

在进行形态学填充之前必须了解一点：当我们的边界是4连通边界时，我们使用的结构元素为8连通；当我们的连通边界为8连通时，我们需要用4连通的结构元素。算法：初始化：Bo=种子点（这里采用opencv鼠标操作来手动选取种子点）循环：（用3X3十字结构元素对对种子点进行膨胀，然后不断的用图像的补集对膨胀的结果进行约束）结束条件：膨胀结果不发生变化#include#in

提取连通域实际上是标记连通域的过程，其算法如下：初始点：Bo=某个连通分量中的某点（这里通过遍历图像，知道像素值为255，将此点作为种子点）循环：（用3X3d的结构元素对种子点进行膨胀，然后用原图像对膨胀结果取交集）结束条件：知道膨胀的图像不发生变化在这里可以用一个模板来存储连通分量，其位置对应原图像的位置。提取完后可以修改原图像的像素值，即一个标签。实现过

       sauvola是一种考虑局部均值亮度的图像二值化方法, 以局部均值为基准在根据标准差做些微调.算法实现上一般用积分图方法来实现的.步骤1 计算区域像素积分和和积分平方和步骤2 计算标准差，标准差的计算方法为: std = sqrt((sqdiff - diff*diff / area) / (area - 1)) 步骤3 sauvola二值化算法的阈值为T = mean*...

     本文只是在别人博客的基础上完成实现的，具体参考博客地址：无参考图像的清晰度评价方法，对于每个具体算法原理就不一一讲解了，在看本文时最好参考上述链接进行理解。1、Brenner 梯度函数/** * Brenner梯度方法 * * Inputs: * @param image: * Return: double */double bre...

                                 &n...

边界提取：根据之前的博客就是用原图减去腐蚀后的图像；边界跟踪：按照某种扫描规则找到目标边界上的像素直到回到原点；本程序中，我采用从左到右从上到下的顺序查找边界，如下图所示，分别从左下、下、右下右、右上、上、左上、左方向搜索边界点，当搜索到原点时，边界搜索结束。当图像中有多个连通域时，显然这种方法就不适用，所以改进的方法是：每搜索完一个边界，将改连通域设置为背景颜色（如：0），然

通过了解腐蚀的基本原理后，下面根据自己的理解用c++实现#include#includeusing namespace std;using namespace cv;/**********************************************功能：3*3结构元素的二值图像的腐蚀参数：_src-输入图像 dst-输出图像 se-模板*******

形态学处理最基本的操作是腐蚀和膨胀，所以研究一下opencv的这两个基本操作，路径：D:\OpenCV\opencv\sources\modules\imgproc\src\morph.cpp中，由于腐蚀和膨胀的基本程序流程一样，在这里着重看一下cv::erode（）函数void cv::erode( InputArray src, OutputArray dst, InputArray ke

opencv实现直方图均衡化的函数为equalizeHist（）；在看了直方图均衡化原理后想要实现他，于是看了一下opencv的equalizeHist（），同时提高一下自己的编程水平。最后找到了这个函数的位置D:\OpenCV\opencv\sources\modules\imgproc\srcvoid cv::equalizeHist( InputArray _src, OutputArray

由于在opencv中没有找到相关的源代码，于是网上搜索到别人的写的代码，将他拿来研究一下，地址：点击打开链接// do the hist match histv[] is the vector that you need match （直方图与想要匹配的直方图进行匹配）void HistMatch(IplImage *histimg,double histv[]) //histv[]需要匹配的

接下来我们来实现自己的直方图匹配（1）Histogram1D.h#ifndef HISTOGRAM1D#define HISTOGRAM1D#include#include#includeclass Histogram1D{public: Histogram1D(); //计算直方图 cv::Mat getHistogram(const cv::Mat &image);

本文是在参考毛星云大神的文章后写的，文章链接： http://blog.youkuaiyun.com/poem_qianmo/article/details/22745559 void cv::blur( InputArray src, OutputArray dst, Size ksize, Point anchor, int borderType ){ boxFi...

由于opencv源码本身关于均值滤波、高斯滤波等都时调用opencv自带的滤波引擎实现，无法看到他到底怎么实现的滤波功能。但我们知道他的滤波原理，接下来我们自己写一个c++代码实现他的滤波功能（本代码可以虽然是均值滤波，但可以通过修改模板，及相应参数实现其他滤波功能，有兴趣的可以自己研究。），由于是3X3的模板效果不是很明显。#include#include#include//均值模板

本文是在别人博客的基础上做的，具体内容可以参看转载的博客，博客地址：http://blog.youkuaiyun.com/qq_34784753/article/details/57129029#include "opencv2/core/core.hpp"#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.h

在读了中值滤波这节内容时突然想到是否可以自己实现中值滤波，于是用c++写了一下中值滤波，主要看的是中值滤波的思想。#include#include#include/****************************************pArray[]-需要提取中值的数组length-数组长度功能：排序，获取中值*******************************

本文是参考opencv低通滤波器这篇文章改进得到的，地址：http://blog.youkuaiyun.com/huangli19870217/article/details/12856619#include#include #include using namespace cv;using namespace std;//创建低通滤波器void createfilter(Mat& lowTemp

通过阅读源代码后，将源代码进行改写，实现自己的直方图均衡化（1）equalizeHist.h文件#ifndef EQUALIZEHIST_H#define EQUALIZEHIST_H#include#includevoid myEqualizeHist(cv::Mat &src, cv::Mat &dst);#endif（2）equalizeHist.cpp文件#include