2 圣托里尼的日落啊~

尚未进行身份认证

计算机视觉小菜鸡

等级
TA的排名 3w+

AI术语

超参数:在机器学习中,超参数是在学习过程开始之前设置其值的参数。相反,其他参数的值是通过训练得出的。不同的模型训练算法需要不同的超参数,一些简单的算法(如普通最小二乘回归)不需要。给定这些超参数,训练算法从数据中学习参数。相同种类的机器学习模型可能需要不同的超参数来适应不同的数据模式,并且必须对其进行调整以便模型能够最优地解决机器学习问题。在实际应用中一般需要对超参数进行优化,以找到一个...

2019-11-08 14:54:06

第六章 图像处理 6.1 线性滤波:方框滤波、均值滤波、高斯滤波

6.1平滑处理平滑处理(smoothing)又称为模糊处理(bluring)。平滑处理的用途有很多,最常见的是用来减少图像上的噪点或失真。6.2图像滤波与滤波器

2019-10-30 15:21:52

将Xcode中的hpp后缀修改为h

从终端进入编辑目录$cd/Applications/Xcode.app/Contents/Developer/Library/Xcode/Templates/FileTemplates/Source/C++File.xctemplate/WithHeader/将___FILEBASENAME___.hpp修改为___FILEBASENAME___.h编辑___FIL...

2019-10-21 14:51:28

第五章 core组件进阶-- 访问图像中的元素

文章目录5.1访问图像中的元素5.1.1图像在内存之中的存储方式5.1.2颜色空间缩减5.1.3LUT函数:Lookuptable操作5.1.4计时函数5.1.5访问图像中像素的三类方法一:指针访问:C操作符[]5.1访问图像中的元素5.1.1图像在内存之中的存储方式图像矩阵的大小取决于所用的颜色模型,即通道数。灰度图像VSRGB颜色模型5.1.2颜色空间缩...

2019-09-17 16:37:15

第六章 彩色图像处理

文章目录6.2彩色模型6.2.1RGB模型6.2.2CMY模型6.2.3HSI彩色模型从RGB到HSI的彩色转换6.3伪彩色模型6.3.1灰度分层6.3.2灰度到彩色的变换6.4全彩色图像处理基础6.2彩色模型彩色模型(也称彩色空间或者彩色系统)的用途是在某些标准下用通常可接受的方式简化彩色规范。本质上,彩色模型是坐标系统和子空间的规范。位于系统中的每种颜色都由单个点来表示...

2019-09-16 19:21:38

图像复原--估计退化函数

在图像复原中,有3种主要的估计退化函数的方法。观察法试验法测试法使用以某种方式估计的退化函数复原一幅图像的过程有时称为盲目去卷积,因为真正的退化函数很少能完全知晓。一:图像观察估计法假设提供了一幅退化图像,而没有退化函数HHH的知识,那么估计该函数的一个方法就是收集图像自身的信息。例如,如果图像是模糊的,那么观察包含简单结构的一小部分图像,像某一物体和背景的一部分。为了减少观察...

2019-09-16 10:39:31

第五章 图像复原

与图像增强相似,图像复原的目的也是改善给定的图像。但图像增强主要是一个主观的过程,而图像复原是一个客观的过程。5.1图像退化/复原过程的模型...

2019-09-13 09:28:28

4.6 实现

4.6.1二维傅立叶变换的可分性对于每一个xxx值,当v=0,1,2,...,N−1v=0,1,2,...,N-1v=0,1,2,...,N−1时,该等式是完整的一维傅立叶变换。换言之,F(x,v)F(x,v)F(x,v)是沿着f(x,y)f(x,y)f(x,y)的一行所进行的傅立叶变换。当xxx由000变成M−1M-1M−1时,沿着f(x,y)f(x,y)f(x,y)的所有行计算傅立叶...

2019-09-09 09:48:46

频率域锐化--拉普拉斯

频率域的拉普拉斯算子根据公式:即,频率域的拉普拉斯算子可以由如下滤波器实现:H(u,v)=−4π2(u2+v2)H(u,v)=-4\pi^2(u^2+v^2)H(u,v)=−4π2(u2+v2)前面的公式在处理数字图像时,还需要进行比例的变换,例如对于大小为M×NM\timesNM×N的数字图像f(x,y)f(x,y)f(x,y),实际的频率域拉普拉斯算子为:为什么不...

2019-09-08 09:36:50

平滑的频率域滤波器

文章目录4.3平滑的频率域滤波器理想低通滤波器巴特沃思低通滤波器高斯低通滤波器4.4频率域锐化滤波器4.3平滑的频率域滤波器边缘和其他尖锐变化(如噪声)在图像的灰度级中主要处于傅立叶变换的高频部分。因此,平滑(模糊)可以通过衰减指定图像傅立叶变换中高频成分的范围来实现。G(u,v)=H(u,v)F(u,v)G(u,v)=H(u,v)F(u,v)G(u,v)=H(u,v)F(u,v...

2019-09-07 20:55:02

频率域滤波

傅立叶变换的结果与图像中的强度变化模式具有一定的联系。例如:变化最慢的频率成分(u=v=0)(u=v=0)(u=v=0)对应一幅图像的平均灰度级。F(0,0)=1MN∑x=0M−1∑y=0N−1f(x,y)F(0,0)=\frac{1}{MN}\sum_{x=0}^{M-1}\sum_{y=0}^{N-1}f(x,y)F(0,0)=MN1​∑x=0M−1​∑y=0N−1​f(x,y...

2019-09-07 09:36:05

频率域图像增强

文章目录4.1背景4.2傅立叶变换和频率域的介绍4.2.1一维傅立叶变换及其反变换4.2.2二维傅立叶变换及其反变换4.1背景任何周期函数都可以表示为不同频率的正弦和或余弦和的形式,每个正弦和/余弦和乘以不同的系数。这个和就是傅立叶级数。非周期函数(曲线是有限的情况下)也可以用正弦/余弦乘以加权函数的积分来表示。在这种情况下的公式就是傅立叶变换。4.2傅立叶变换和频率域的介...

2019-09-05 16:13:30

基本图像的绘制

#include<opencv2/core/core.hpp>#include<opencv2/highgui/highgui.hpp>#include<opencv2/imgproc/imgproc.hpp>usingnamespacecv;#defineWINDOW_NAME1"pic1"//为窗口标题定义的宏#de...

2019-09-05 11:20:57

常用数据结构和函数

一:颜色的表示:Scalar类typedefstructScalar{doubleval[4];}Scalar;Scalar常用的使用场景如下:MatM(7,7,CV_32FC2,Scalar(1,3));上面的代码表示:创建一个2通道,且每个通道的值都为(1,3),深度为32,7行7列的图像矩阵。CV_32F表示每个元素的值的类型为32位浮点数,C2表示通道数为...

2019-09-05 10:44:14

基础图像容器Mat

一:Mat结构的使用Mat类:不必再手动为其开辟空间不必再在不需要的时候立即将空间释放Mat是一个图像容器类,这个数据结构由两部分组成:1–矩阵头–即classMat类所实例化的类对象所开辟的空间里面存储的数据—就是这个矩阵的信息,当我们以Matobject;这样声明类对象的时候,也仅仅是创建了一个Mat的信息头,并没有创建矩阵体,也就是说,我们并没有给将要存储...

2019-09-05 08:13:00

openCV鼠标操作

openCV中的鼠标操作和滑动条的消息映射方式很类似,都是通过一个中介函数配合一个回调函数来实现的。

2019-09-04 22:19:15

openCV HighGUI图形用户界面--滑动条的创建和使用

OpenCV里提供了一个很好用的工具——滑动条(Trackbar),它依附于窗口而存在。createTrackbar()函数此函数的作用:为我们创建了一个具有特定名称和范围的轨迹条,指定一个和轨迹位置同步的变量,而且要指定回调函数onChange,在轨迹条位置改变的时候来调用这个回调函数。intcreateTrackbar(conststring&trackbarname,c...

2019-09-04 08:10:40

数学面试题

文章目录高等数学凹凸函数连续和可导的关系(大家最好考虑一下多元函数的情况)一致连续性极值导数的定义微分的定义反函数存在的条件微分中值定理罗尔中值定理拉格朗日中值定理柯西中值定理泰勒级数无穷小量极限线代矩阵的初等变换矩阵的恒等变换奇异矩阵矩阵的秩特征值和特征向量(定义和用途)正交矩阵等价矩阵(相似与合同)相似矩阵等价矩阵合同矩阵线性相关(定义和用途)格拉姆-施密特正交化概率简单随机事件条件概率概率乘...

2019-09-03 09:33:43

OpenCV学习中遇到的一些基本概念

图像深度:是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。

2019-09-01 08:59:16

OpenCV -- highGUI图形用户界面初步

文章目录1.图像的载入:imread()函数2.图像的显示:imshow()函数3.创建窗口:namedWindow()函数4.输出图像到文件:imwrite()函数图像深度:是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。1.图像的载入:imread()函数用于读取文件中的图片到OpenCV中。#include<opencv2/opencv.hpp&g...

2019-09-01 08:58:41

查看更多

勋章 我的勋章
  • 签到新秀
    签到新秀
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周上午根据用户上周周三的博文发布情况由系统自动颁发。