python
关注
分享
扫一扫
文章平均质量分 89
技术挖掘者
qq:1575262785
展开
-
Python实现超像素分割
目录一、什么是超像素？二、超像素具有哪些特点？三、Simple Linear Iterative Clustering (SLIC)算法实现步骤四、SLIC算法代码实现五、效果展示和分析六、基于超像素的边缘检测代码七、基于超像素的边缘检测效果展示与分析八、思维扩展参考资料注意事项一、什么是超像素？ 超像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术，它是指具有相似纹理...原创 2019-06-06 15:25:19 · 16629 阅读 · 10 评论 -
Python+Opencv4点仿射变换
目录一、场景需求解读二、算法原理简介三、算法实现步骤四、算法代码实现五、算法效果展示与分析六、思维拓展参考资料注意事项一、场景需求解读 在处理现实生活中的图像处理问题时，我们经常会遇到一种情况-即我们将要处理的目标的位置是斜的，我们需要使用仿射变换进行矫正。当你做了很多现实场景中的案例之后，你就会发现这是一个非常通用的模块，因而本篇博客针对这个问题进行了详细的论述，具体的案例如下图所示，左边...原创 2019-08-11 13:32:43 · 10986 阅读 · 7 评论 -
Python+Opencv颜色和形状检测
目录一、场景需求解读二、算法原理简介三、算法实现步骤四、算法代码实现五、算法效果展示与分析参考资料注意事项一、场景需求解读 现实场景中，我们有时需要自动的检测出图片中目标的颜色和其对应的形状，然后根据这些信息快速的找到我们需要的目标，这在真实场景中具有广泛的应用。下图展示了一张实例，我们需要知道图片中目标的颜色和形状信息。二、算法原理简介 为了检测不同物体的颜色，本文的实现思路为：1...原创 2019-07-21 11:49:45 · 25987 阅读 · 14 评论 -
Python+Opencv分水岭算法
目录一、分水岭算法（Watershed）简介二、分水岭算法实现步骤三、阈值和轮廓检测硬币分割代码实现与分析四、分水岭硬币分割代码实现五、代码效果展示与分析参考资料注意事项一、分水岭算法（Watershed）简介 所有的灰度图像都可视为拓扑平面,我们将灰度值高的区域看成山峰,将灰度值低的区域看成山谷,我们向图像上所有的"山谷"中注入不同颜色的水,不断的注水,水位则会不断上升,注入的水将灌满山谷...原创 2019-07-20 23:25:54 · 8628 阅读 · 6 评论 -
Python+Opencv检测模糊图片
目录一、场景需求解读二、模糊图片检测方案简介三、模糊图片检测原理简介四、算法实现步骤五、算法代码实现六、算法效果展示与分析参考资料注意事项一、场景需求解读 现实场景中，我们经常会使用不同的设备区拍摄一些照片，常用的一些设备包括手机、相机等，但是在拍摄的过程中可能会受到一些因素的影响，最终导致拍摄出来的照片比较模糊。对于这些图片而言，我们经常利用人眼进行观察，这样比较费时费力，本文针对这个问题...原创 2019-07-20 18:55:14 · 20612 阅读 · 1 评论 -
Python+Opencv根据颜色进行目标检测
目录一、什么是颜色目标检测？二、如何实现基于颜色的目标检测？三、算法代码实现四、效果展示与分析一、什么是颜色目标检测？ 所谓的颜色目标检测，即根据物体的颜色来快速的进行目标定位，该算法的思路比较简单，但是却有很大的使用价值。二、如何实现基于颜色的目标检测？ 整个算法的实现步骤比较简单，具体的步骤如下所示：步骤1-根据图片中的目标设定合适的lower和upper阈值；步骤2-使用c...原创 2019-06-04 17:05:50 · 7225 阅读 · 2 评论 -
Python+Opencv常用小工具集合
目录一、小工具1-URL转化为图片二、小工具2-鼠标响应参考资料注意事项一、小工具1-URL转化为图片1、代码实现# coding=utf-8# 导入python包import numpy as npimport urllib.request as urimport cv2# 方法1-使用OpenCV、NumPy和urllibdef url_to_image(url): # ...原创 2019-06-09 11:50:20 · 1240 阅读 · 1 评论 -
Python+Opencv实现模板匹配
目录一、模板匹配简介二、传统模板匹配算法不足之处三、多尺度模板匹配实现步骤四、多尺度模板匹配实现代码五、多尺度模板匹配效果展示和分析六、思维扩展参考资料注意事项一、模板匹配简介 所谓的模板匹配，即在给定的图片中查找和模板最相似的区域，该算法的输入包括模板和测试图片，整个任务的思路就是按照滑窗的思路不断的移动模板图片，计算其与图像中对应区域的匹配度，最终将匹配度最高的区域选择为最终的结果。下图...原创 2019-06-08 16:39:51 · 14980 阅读 · 15 评论 -
基于python的HOG+SVM目标检测算法实现
目录一、场景需求解读二、HOG算法简介三、SVM算法简介四、基于HOG的目标检测算法训练流程五、目标检测代码实现六、非极大值抑制（NMS）简介及代码实现七、NMS效果展示与分析八、思维扩展参考资料注意事项一、场景需求解读 目标检测是一个很常见的计算机视觉任务，它在现实场景中具有很多的应用。随着深度学习技术的快速发展，当前主流的目标检测算法主要分为单阶段和双阶段，代表性的算法包括SSD和Fas...原创 2019-06-08 14:43:57 · 30669 阅读 · 14 评论 -
Python+Opencv实现实时的条形码检测
目录一、场景需求简介二、算法实现步骤三、图片中条形码检测代码实现四、图片中条形码检测效果展示与分析五、视频中条形码检测代码实现六、视频中条形码检测效果展示与分析七、思维扩展参考资料注意事项一、场景需求简介 在现实场景中，我们经常会遇到条形码，它的主要作用是用来标识物体，使得每一个物体都有唯一的一个编号，这样可以极大的提高查找效率等，比较常用的应用场景是超市和图书馆等，售货员通过扫描这些条形码...原创 2019-06-07 21:05:15 · 10618 阅读 · 1 评论 -
Python计算两张图片的相似度
目录一、场景需求解读二、Mean Squared Error (MSE)简介三、The Structural Similarity Index (SSIM)简介四、算法代码实现五、效果展示与分析六、思维扩展参考资料注意事项一、场景需求解读 在现实场景中，我们经常会遇到一个问题，即如何评价不同图片的好坏，或者如何比较两张图片的相似性。它在学术研究领域中具有的广泛的研究前景，例如当你提出来一种新...原创 2019-06-07 16:20:27 · 24896 阅读 · 3 评论 -
Python+Opencv寻找图像中最亮的区域
目录一、场景需求解读二、算法原理简介三、算法代码实现四、代码运行步骤五、算法效果展示和分析六、思维扩展参考资料注意事项一、场景需求解读 在有些现实场景中，我们需要去使用算法自动的寻找到图片中的最亮的区域，这个区域是我们感兴趣的目标所在的位置，比较典型的是一个应用是视网膜图像，图像中视网膜所在的位置比较亮，而其它地方比较暗，我们更加关注视网膜所在的区域，因而需要使用算法自动的寻找到这个区域，然...原创 2019-06-07 10:59:19 · 12035 阅读 · 2 评论 -
Python实现快速的风格迁移
目录一、什么是风格迁移？二、风格迁移算法实现步骤三、风格迁徙算法代码实现四、代码运行流程五、风格迁徙算法效果展示与分析六、思维扩展参考资料注意事项一、什么是风格迁移？ 所谓的迁移比较简单，即输入包含两个图片，一张source图片，一张target图片，风格迁移的目的是将source图片上面的色彩迁移到target图像中，从而形成一张新的图片，它在现实场景中具有较多的应用，比较经典的应用是手机...原创 2019-06-06 21:12:28 · 5351 阅读 · 1 评论 -
Python+Opencv实现多种形状的检测
目录一、Hough变换是什么？二、Hough变换原理简介三、Hough变换实现步骤四、Hough变换直线检测代码实现及效果展示五、Hough变换圆形检测代码实现及效果展示六、基于Hough的椭圆检测代码实现及效果展示七、轮廓检测不同形状代码实现及效果展示八、思维扩展参考资料注意事项一、Hough变换是什么？ Hough变换是由 P.V.C.Hough提出的一种算法，这种算法可以快速、准确的检...原创 2019-06-06 18:24:45 · 33192 阅读 · 3 评论 -
Python+Opencv测量物体之间的距离
目录一、场景需求解读二、算法原理简介三、算法实现步骤四、算法代码实现五、算法效果展示与分析参考资料注意事项一、场景需求解读 在现实场景中，我们可能会遇到这个问题，即需要自动的测量图像中的不同目标之间的距离。通过这个测量，我们可以明确的知道图像中各个目标的位置以及各个目标之间的距离，便于我们做出合理的规划。本文是在该博客的基础上面进行拓展而来的。下图展示了一个样例图片，即图中最左边的是我们的参...原创 2019-08-11 16:05:36 · 27923 阅读 · 19 评论